Você está na página 1de 84

COC796-Confiabilidade Estrutural

Introduo

1.

PEC/COPPE/UFRJ

INTRODUO

A existncia de incertezas nas cargas, nas propriedades mecnicas,


nos parmetros de resistncia do solo e nas propriedades geomtricas
contribui para que exista uma probabilidade no nula de que a estrutura no
atenda aos objetivos para os quais ela fora concebida. Esta probabilidade
definida como probabilidade de falha e pode ser avaliada pelos mtodos de
anlise de confiabilidade estrutural.
A confiabilidade estrutural uma ferramenta que permite ao
engenheiro considerar as incertezas inerentes s variveis de projeto,
atravs das correspondentes distribuies de probabilidade, permitindo obter,
entre outros resultados, a probabilidade de falha da estrutura e a
sensibilidade do projeto em relao a estas variveis. Esta informao pode
ser de fundamental importncia na tomada de decises que envolvam a
segurana da estrutura.
Existem vrias aplicaes prticas da confiabilidade estrutural e entre
elas podemos citar: calibraes de normas de projeto, re-anlise de
estruturas existentes, reviso de planos de inspees, avaliao de
segurana de novas concepes estruturais e na escolha de alternativas de
projeto.
A maioria das normas de projeto utiliza fatores parciais de carga e de
resistncia. Antigamente estes coeficientes eram, basicamente, definidos na
experincia de profissionais envolvidos em projetos estruturais. Atualmente,
com o auxlio da confiabilidade estrutural possvel calibrar os fatores de
segurana de uma maneira racional, a partir da definio de um nvel alvo
considerado aceitvel para a probabilidade de falha estrutural. Neste sentido,
a confiabilidade tem sido muito usada na reviso de normas antigas e na
elaborao de cdigos de projeto para novas concepes estruturais.
As estruturas existentes esto sujeitas a acidentes e desgastes ao
longo da vida til, tais como: corroso, trincas, etc. Porm, devido
redundncia estrutural e a certas caractersticas de projeto, a falha (ou o
desgaste) de um elemento no representa necessariamente a falha da
estrutura como um todo. Atravs da anlise de confiabilidade estrutural
possvel avaliar o nvel de segurana global da estrutura como um todo. Esta
3

COC796-Confiabilidade Estrutural
Introduo

PEC/COPPE/UFRJ

informao se constitui num elemento auxiliar valioso na tomada de decises


com relao operao, segurana fsica e ao estabelecimento de um
cronograma de reparos para a estrutura.
Nas estruturas submetidas a cargas cclicas, a fadiga muitas vezes
um fator determinante do projeto. Devido existncia de muitas incertezas no
clculo da vida til fadiga, comum inspecionar estas estruturas ao longo
de sua vida til. Geralmente os dados de inspees anteriores no eram
considerados na determinao do cronograma das inspees futuras. Porm,
com a utilizao da anlise de confiabilidade e da teoria Bayesiana de
probabilidades, possvel reavaliar os prazos de inspeo em funo dos
resultados obtidos nas ltimas inspees, de forma a manter um nvel de
segurana aceitvel da estrutura ao longo de sua vida til.
Muitas vezes o engenheiro deve decidir qual a alternativa de projeto a
ser escolhida dentre vrias alternativas possveis, envolvendo a utilizao de
novos materiais e de novas concepes estruturais. Nestes casos, a
confiabilidade estrutural, juntamente com a anlise de custos, fornece as
informaes necessrias para a avaliao dos riscos associados aos
projetos, fornecendo deste modo uma informao fundamental para a anlise
de decises.
Embora a confiabilidade possa ser uma ferramenta de apoio muito
importante nos vrios ramos da engenharia, importante ressaltar que a
anlise confiabilidade depende da qualidade dos dados estatsticos
relacionados ao problema e da preciso do modelo matemtico usado para a
anlise das funes de estado limite.
Embora neste curso o enfoque da anlise de confiabilidade seja para
problemas estruturais, observa-se que a mesma metodologia pode ser
utilizada em outros problemas que envolvam variveis com distribuies de
probabilidades contnuas e funes de estado limite. Um exemplo comum de
aplicao fora da rea estrutural na anlise de investimentos.

COC796-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidade

PEC/COPPE/UFRJ

2. VARIVEIS ALEATRIAS E DISTRIBUIES DE


PROBABILIDADES
Se os resultados dos experimentos de um determinado fenmeno so
previsveis, o fenmeno chamado de determinstico. Por outro lado, se os
resultados dos experimentos no forem previsveis o fenmeno chamado de
aleatrio ou randmico. Neste caso, cada experimento deve ser associado a
um valor de probabilidade de ocorrncia do evento relacionado ao fenmeno
em observao. Intuitivamente pode-se observar que: (a) a probabilidade est
relacionada com a frequncia de ocorrncia do evento ao longo de uma
seqncia com um grande nmero de experimentos; (b) ela dever estar
situada entre 0 e 1 e (c) a soma da probabilidade de todos os possveis
resultados do fenmeno dever ser igual a 1.
Os vrios resultados de um fenmeno aleatrio podem ser vistos como
os resultados de uma funo. Esta funo definida como varivel aleatria e
usualmente representada por uma letra maiscula. Valores especficos de
uma varivel aleatria so representados por letras minsculas.
Sendo X uma varivel aleatria, a sua funo densidade de
probabilidades fX (x) definida de tal forma que
P(x

dx
dx
X x + ) = fX (x)dx
2
2

(2.1)

onde P(.) significa a probabilidade de (.). Usualmente uma funo densidade de


probabilidade identificada por PDF (Probability Density Function).
A expresso
P(a X b) =

f
a

X ( x)dx

(2.2)

indica a probabilidade da varivel X assumir valores entre a e b. Qualquer fX ( x)


que satisfaa as seguintes condies pode ser considerada como uma PDF:
a)

f X ( x) 0.0

para qualquer x;

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

(rea unitria) e;
f ( x)dx = 10.
c) f ( x)dx = P(a X b)
b)

(2.3)

A funo cumulativa de probabilidades FX ( x) de X definida da seguinte


forma:
FX (a) =

(2.4)

fX ( x)dx

onde FX (a) significa a probabilidade da varivel X assumir valores menores ou


iguais a a. Uma funo cumulativa de probabilidades deve satisfazer as
seguintes propriedades:

a)
b)
c)

FX ( ) = 0.0 ;
0 Fx ( x) 10
. e;
FX ( ) = 10
.

(2.5)

Graficamente fX ( x) e FX ( x) so apresentados na Figura (2.1).

(a)

(b)

Figura 2.1 - Funes (a) densidade e (b) cumulativa de probabilidades


Notar que a seguinte relao pode ser observada
fX ( x) =

dFX ( x)
dx

(2.6)

Na literatura existem muitas funes tericas que satisfazem as


condies descritas anteriormente. A escolha de uma delas para representar
um determinado fenmeno (ou varivel) passa basicamente por um processo

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

de ajuste em relao aos dados coletados (ou observados) do mesmo, como


ser visto mais adiante.

2.1 Valores Caractersticos de Uma Varivel Aleatria

O valor mdio, ou a mdia, ou o valor esperado de uma varivel


aleatria X definido como:

xf ( x)dx

E( X ) = X =

(2.7)

onde fX ( x) a PDF de X definida anteriormente. Outro resultado interessante


o valor mdio quadrtico de X definido como:

E( X ) =
2

x f ( x)dx
2

(2.8)

A varincia mede a disperso dos valores da varivel em torno da mdia


e definida como
+

Var( X ) =

(x

+
X)

fX ( x)dx =

x f
2

+
X ( x)dx

2 x

xf

+
X ( x)dx +

2x

X ( x)dx

(2.9)
Var( X ) = E( X )
2

2X

O desvio padro de X definido como a raiz quadrada da varincia, i.e.,


X = Var( X )

(2.10)

O coeficiente de variao de X definido como a razo entre o desvio


padro e a mdia, ou seja,
COV= X =

x
x

(2.11)

O coeficiente de variao mede, de forma adimensional (ao contrrio da


varincia) a disperso dos dados da varivel aleatria em torno da mdia.
Coeficientes de variao baixos indicam que os valores da varivel aleatria
esto distribudos prximos a mdia, enquanto que valores altos indicam uma
forte disperso em torno da mesma.
O coeficiente de skewness 1 indica a simetria ou a assimetria da funo
densidade de probabilidades fx(X) com relao a mdia e definido por
7

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

1 =

E( X x )

PEC/COPPE/UFRJ

(2.12)

3x

onde

E( X X ) =
3

(x

) 3 fx ( x)dx

(2.13)

Valores positivos de 1 indicam que os valores de X maiores que a mdia so


mais dispersos que os menores, valores negativos indicam o contrrio e um
valor nulo indica que a funo simtrica com relao a mdia, conforme
ilustrado na Figura (2.2).

Figura 2.2 - Ilustrao do coeficiente de skewness


O coeficiente de kurtosis 2 uma medida de suavidade de uma funo
densidade de probabilidades, ou seja, quanto maior este valor mais suave (os
picos so menos agudos) a funo. 2 definido como

2 =

E( X x )

(2.15)

4x

onde

E( X X ) =
4

(x

) 4 fx ( x)dx

(2.16)

Os coeficientes de skewness e kurtosis podem ser teis na seleo de


distribuies tericas que podem se ajustar a um determinado fenmeno em
estudo. Estes coeficientes tambm so bastante usados na anlise de
processos aleatrios no-lineares, que um tema que foge ao escopo deste
curso.
Usando a analogia com as propriedades de uma rea, a mdia e a
varincia de uma varivel aleatria X correspondem respectivamente, ao centro
de gravidade, c.g., e o momento de inrcia (com relao ao c.g.) da rea
definida por f x ( x) como ser mostrado a seguir. Usando a Figura (2.3) como
referncia, o c.g. calculado como
8

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

xf ( x)dx xf ( x)dx
x

x c.g. =

PEC/COPPE/UFRJ

area

10
.

xf ( x)dx
x

(2.17)

que tambm o primeiro momento da rea (momento esttico) de f x ( x) com


relao origem. O momento de inrcia com relao ao c.g. igual a

Iy =

( x xc.g. )

f x ( x)dx

(2.18)

Comparando-se (2.17) e (2.18) com (2.7) e (2.9), observa-se ento que a


mdia corresponde ao xc.g. e a varincia ao momento de inrcia de f x ( x) com
relao ao centro de gravidade. Por motivo desta analogia, comum chamar a
mdia de como o primeiro momento de f x ( x) e a varincia como o momento de
segunda ordem. A mesma analogia poderia ser usada para os coeficientes de
skewness e kurtosis. Neste caso estes seriam, respectivamente, o momento de
terceira e de quarta ordem.

Figura 2.3 - Uma rea irregular representando uma PDF


Outras medidas importantes com relao uma varivel aleatria X
qualquer so a moda e a mediana. A mediana o valor da varivel aleatria X
cuja probabilidade de ocorrerem valores menores que ele ou maiores 50%,
ou seja, F(xmediana ) = 0.50 . A moda o valor mais provvel da varivel
aleatria, ou seja, aquele para o qual o valor da funo densidade de
9

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

probabilidades mximo. A Figura (2.4) ilustra estas medidas. Notar que para
uma distribuio simtrica e unimodal (um s pico) a mdia, a mediana e a
moda so iguais.

Figura 2.4 - Moda e mediana de uma varivel aleatria


2.2 - Distribuies de Probabilidades
Como dito anteriormente qualquer funo que satisfaa as condies
dadas pela equao (2.3) pode ser usada como uma distribuio de
probabilidades. O uso prtico desta funo depende da capacidade dela
representar estatisticamente um determinado fenmeno que est sendo
investigado. Porm, na literatura j existem vrias funes que atendem s
condies citadas anteriormente e que podem ser usadas na prtica da
engenharia. Algumas destas funes sero apresentadas a seguir.

2.2.1 - Distribuio Normal ou Gaussiana


Uma varivel X dita normalmente distribuda ou simplesmente uma
varivel Gaussiana, se a sua PDF for da seguinte forma:
f X ( x) =

1 x x 2
exp (
)
2

2
x

1
x

(2.19)

Esta distribuio tem somente como parmetros a mdia x e do desvio


padro x da varivel aleatria e geralmente denotada por N(x, x). A sua
funo cumulativa s pode ser avaliada por integrao numrica, ou usando
tabelas disponveis em livros de estatstica. Na Figura (2.5) so mostradas as
formas de duas distribuies normais com diferentes mdias e desvios
padres.

10

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades
0.12

PEC/COPPE/UFRJ

1.20

Y = N(70.00,5.00)
X = N(80.00,20.00)

0.08

F(x), F(y)

pdf(x), pdf(y)

0.80

0.04

0.40

Y = N(70.00,5.00)
X = N(80.00,20.00)

0.00

0.00

0.00

40.00

80.00

120.00

160.00

0.00

40.00

X, Y

80.00

120.00

160.00

X, Y

(a)

(b)

Figura 2.5 - Funes (a) densidade e (b) cumulativa de probabilidades de


variveis aleatrias normais.
Uma alternativa equivalente e muito valiosa para a expresso (12)
obtida atravs da introduo de uma varivel auxiliar, tambm conhecida como
varivel reduzida, definida como

Y=

X X
X

(2.20)

que como veremos mais adiante, conduz conhecida distribuio normal


padro de probabilidades

1
exp y 2
2
2
1

f Y ( y) = ( y) =

(2.21)

cuja mdia e desvio padro so iguais a 0 e 1, respectivamente. A funo


cumulativa de probabilidades desta distribuio usualmente denotada por
( y) e definida por
( y ) =

f Y ( y)dy

(2.22a)

No Apndice A est uma tabela para avaliao de ( y) . Na Figura (2.6) esta


distribuio ilustrada graficamente.
Se uma varivel X segue uma distribuio normal, i.e. X = N( x , x ) , a
probabilidade da mesma assumir valores entre a e b conforme a Figura (2.7),
pode ser obtida usando as expresses (2.20) e (2.22a), i.e.,

P(a X b) =

2
1

( b x )/ x

( a x )/ x

1 2
s
e 2 ds

= (

b x
a x
) (
)
x
x

(2.22b)

11

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

onde (.) a funo cumulativa normal padro.

2.2.2 - Distribuio Lognormal


Uma varivel X tem uma distribuio lognormal quando estatisticamente
ln( X ) pode ser representado por uma distribuio normal. A CDF de uma
varivel lognormal definida como :

f X ( x) =

1 ln x 2
exp (
)

x 2

2
1

(2.23)

onde o valor esperado de ln( X ) , i.e. = E(ln x) = ln x ,

e o desvio

padro de ln( X ) , i.e. = Var(ln x) = ln x . e se relacionam com a mdia e


o desvio padro de X atravs da seguintes relaes

2 = ln1 + ( x ) 2
x

(2.24)
= ln x

1 2

0.40

1.00

0.80

Y - N(0.0,1.0)

0.20

F(y) - normal padro

f(y) - normal padro

0.30

0.60
Y - N(0.0,1.0)

0.40

0.10
0.20

0.00

0.00
-8.00

-4.00

0.00

4.00

8.00

-8.00

-4.00

0.00

4.00

8.00

(a)
(b)
Figura 2.6 - Funes (a) densidade e (b) cumulativa da distribuio normal
padro
Se X uma varivel aleatria lognormal, P(a X b) pode ser calculada
como

P(a X b) = (

ln b X
ln a X
) (
)
X
X

(2.25)

12

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Notar que a equao acima corresponde exatamente equao (2.22b), onde


ln X X
.
a varivel reduzida definida como Y =
X

Figura 2.7 - Ilustrao grfica da probabilidade P(a X b)

2.2.3 - Outras Distribuies de Probabilidades


Alm da distribuio normal e lognormal, existem muitas outras
disponveis na literatura [1,2]. Porm, para facilidade de uso a Tabela (2.1)
apresenta um resumo daquelas mais empregadas para modelar as variveis
relacionadas anlise de confiabilidade estrutural.

2.2.4 - Distribuies de Probabilidades de Valores Extremos

Em muitos problemas de engenharia, os valores relevantes de uma


determinada varivel so os extremos, ou seja, os valores mnimos ou
mximos da mesma. No caso especfico da engenharia estrutural, o interesse
recai sobre os valores mximos extremos dos carregamentos atuantes sobre a
estrutura durante sua vida til e de valores mnimos de resistncia da mesma.
Na avaliao da distribuio de probabilidades dos valores extremos o
ideal seria ajustar uma distribuio de probabilidades amostras de valores
extremos observados. Por exemplo, a determinao da distribuio de valores
extremos anuais de uma varivel aleatria seria baseada em um banco de
dados com os valores mximos observados em cada ano durante muitos anos
(no mnimo 20 a 25 anos), ou seja, uma distribuio de probabilidades seria
ajustada a estes valores. Na prtica, na grande maioria das vezes, dados de
13

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

valores extremos mximos ou mnimos no constituem uma amostragem


significativa para proceder de tal forma.

Em virtude do que foi dito anteriormente, surgiu a chamada Estatstica


de Extremos que possibilidade definir a distribuio dos valores extremos
(mximos e mnimos) de uma varivel aleatria X a partir da funo distribuio
de probabilidades da mesma (observe que est varivel inclui todo o intervalo
de variao da varivel em questo). Este tpico ser abordado nas sees
seguintes.

14

COC796-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidade
Distribuio

FX ( x) , CDF

E(X), (mdia)

1 x 2
exp

2
2

1 ln( x) 2
exp

2


2x

ln( x)

exp + 2

E( X ) exp( 2 ) 1

Exponencial

exp( x)

1 exp( x)

Rayleigh

1 x 2
x
exp
2
2 R
R

1 x 2
1 exp
2 R

Uniforme

1
ba

xa
ba

Tipo I (mx.)
(Gumbel)

exp ( x u) exp( ( x u))

Tipo I
(mnimos)

exp ( x u) exp(( x u))

Normal

Lognormal

fx(x), PDF

PEC/COPPE/UFRJ

Tipo II
(mximos)

k v

v x

k +1

Tipo III (min.)


(Weibull)

k x

v v

k 1

v
exp
x

x k
exp
v

exp( exp( ( x u)))


1 exp( exp(( x u)))

R
2
a+b
2
0.5772
u+

0.5772
u

v k
exp
x

v 1
k

x k
1 exp
v

v 1 +
k

Var ( X ) , (des. padro)

2 R
2

ba
12

6
2
1
v 1 2 1
k
k

1
2

2
1 2
v 1 + 2 1 +
k
k

Nota: ( ) a funo Gamma.


Tabela 2.1 - Algumas Distribuies de Probabilidades

15

COC796-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidade

PEC/COPPE/UFRJ

2.2.4.1 - Distribuies Tericas de Valores Extremos Mximos e Mnimos


Tomando-se diferentes conjuntos de observaes (com n amostras cada
uma) de uma varivel aleatria X, verifica-se que o valor mximo observado em
cada uma delas geralmente diferente. Portanto, a populao dos valores
mximos de X constituem uma populao prpria, ou seja, o valor mximo
extremo da varivel aleatria X tambm uma varivel aleatria com uma
distribuio prpria de probabilidades. O mesmo raciocnio vlido para o valor
mnimo extremo.
Considere que a varivel aleatria inicial X tenha a sua prpria funo
cumulativa de probabilidades FX ( X ) e considere tambm vrias amostras de

tamanho n de X, i.e. ( x1, x 2 ,, xn ) , onde os ndices representam o primeiro, o

segundo, ..., e o n-simo valor observado em cada uma das amostras. Uma
vez que cada valor observado imprevisvel antes da observao, pode-se
assumir que cada observao o valor de uma varivel aleatria e o conjunto
de observaes ( x1, x 2 ,, xn ) uma realizao de variveis aleatrias

( X 1, X 2 ,, X n ) . O valor mximo extremo de uma amostra de tamanho n uma

varivel aleatria definida como:


Yn = max( X 1, X 2 ,, X n )

(2.26)

Observe que se Yn , o mximo valor entre ( X 1, X 2 ,, X n ) , menor que um


determinado valor y, ento necessariamente todas as variveis

( X 1, X 2 ,, X n )

devem ser menores que y. Assumindo-se que cada valor coletado numa
amostra da varivel X independente dos demais e que X 1, X 2 , X n so
identicamente distribudos como a varivel X, tem-se que
FX1 ( x) = FX 2 ( x) = = FXn ( x) = FX ( x)

(2.27)

Assim a funo cumulativa do valor mximo extremo pode ser definida como

FYn ( y) = P( Yn y)
FYn ( y) = P( X 1 y, X 2 y, X n y)
FYn ( y) = [FX ( y)]

(2.28)

e a correspondente funo densidade de probabilidades


f Yn ( y) =

dFYn ( y)
dy

= n[FX ( y)]

n 1

f X ( y)

(2.29)

16

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

onde fX (.) funo densidade de probabilidades da varivel inicial X.


O valor mnimo de uma amostra de tamanho n, pode ser definido como
Y1 = min( X 1, X 2 ,, X n )

(2.30)

Observe que se Y1, o mnimo entre ( X 1, X 2 ,, X n ) , maior que y, ento todas


as variveis

( X 1, X 2 ,, X n )

devem ser maiores que y. Assumindo-se as

mesmas hipteses definidas acima, tem-se que

1 FY1 ( y) = P( Yn > y)
1 FY1 ( y) = P( X 1 > y, X 2 > y, X n > y)
1 FY1 ( y) = [1 FX ( y)]

(2.31)

ou seja, a funo cumulativa do valor mnimo extremo dada por

FY1 ( y) = 1 [1 Fx( y)]

(2.32)

cuja correspondente funo densidade de probabilidades


f Y1 ( y) =

dFY1 ( y)
dy

= n[1 Fx( y)]

n1

f X ( y)

(2.33)

Nesta metodologia a distribuio de probabilidades (incluindo todas as


observaes) de X chamada de distribuio parente. A varivel n se refere ao
nmero de amostras da varivel X coletadas durante um determinado perodo
de tempo. Por exemplo, se n significar o nmero de amostras coletadas em um
ano as distribuies definidas por (2.28) e por (2.32) se referem ao valor
mximo extremo anual e ao valor mnimo extremo anual, respectivamente.
Nas Figuras (2.7) e (2.8) so apresentadas as funes cumulativa e
densidade de probabilidades do valor mximo, obtidas a partir de uma
distribuio normal (distribuio parente) com mdia 25.00 e desvio padro
5.00,i.e., N(25.0,5.00). Nas Figuras (2.9) e (2.10) so apresentadas as funes
correspondentes ao valor mnimo.

2.2.4.2 - Distribuies Assintticas de Valores Extremos


Atravs de vrias pesquisas no passado, estatsticos observaram que as
distribuies de extremos tendem a distribuies assintticas quando n tende a
infinito. Foi tambm observado, que a forma da distribuio assinttica
depende basicamente do comportamento da extremidade de interesse
(mximos ou mnimos) da distribuio parente da varivel investigada.

17

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

0.25

0.2

PDF

0.15

0.1

0.05

20

40

60

80

parente
extremos N=10
extremos N=100
extremos N=1000

Figura 2.7 - PDF dos valores extremos mximos para uma parente N(25,5).
Na literatura [2] so encontrados, basicamente, trs tipos de
distribuies assintticas para valores extremos mximos e mnimos:
distribuio de extremos Tipo I, Tipo II e Tipo III. As expresses matemticas
destas distribuies so mostradas na Tabela (2.2).
Distribuio

FX ( x)

Mdia

Tipo I (mx.)
(Gumbel)

exp( exp( ( x u)))

u+

0.5772

Tipo I
(mnimos)

1 exp( exp(( x u)))

0.5772

Tipo II
(mximos)

v k
exp
x

v 1
k

Tipo III (min.)


(Weibull)

x k
1 exp
v

v 1 +
k

Desvio Padro

6
1

2
1 2
v 1 2 1
k
k
2
1

v 1 + 2 1 +
k
k

1
2

Nota: (.) a funo Gamma


Tabela 2.2 - Distribuies Assintticas de Extremos

18

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

0.8

CDF

0.6

0.4

0.2

20

40

60

80

parente
extremos N=10
extremos N=100
extremos N=1000

Figura 2.8 - CDF dos valores extremos mximos para uma parente N(25,5).
0.25

0.2

PDF

0.15

0.1

0.05

10

20

30

40

50

parente
extremos N=10
extremos N=100
extremos N=1000

Figura 2.9 - CDF dos valores extremos mnimos para uma parente N(25,5).
Embora as distribuies apresentadas na Tabela (2.2) tenham sido
obtidas na anlise de extremos, elas podem ser usadas igualmente como
19

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

distribuies de probabilidades para representar variveis aleatrias que no


representem valores extremos.
O valor prtico destas distribuies na anlise de extremos que para
alguns tipos de distribuies parentes j se sabe a priori que suas distribuies
de valores extremos tendem para distribuies assintticas cujos parmetros
so facilmente calculados em funo dos parmetros das primeiras. Isto evita o
uso das expresses (2.28) e (2.31). Alguns destes casos sero mostrados a
seguir.
Se uma varivel X tem uma distribuio de Rayleigh com parmetro R ,
ou seja

1 x2

FX ( x) = 1 exp
2 R2

(2.34)

ento, pode se demonstrar que a distribuio dos seus valores mximos


extremos X n do Tipo I com mdia e desvio padro dados por

2 ln(n )

X n = R 2 ln(n ) + 0.5772
Xn =

2 3 ln(n )

(2.35)

0.8

CDF

0.6

0.4

0.2

10

20

30

40

50

parente
extremos N=10
extremos N=100
extremos N=1000

Figura 2.10 - CDF dos valores extremos mnimos para uma parente N(25,5).

20

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Se Y for uma varivel aleatria normal com mdia e desvio padro , a


distribuio dos valores mximos extremos assintoticamente se aproxima de
uma Tipo I (mximos) com os parmetros u e dados por

2 ln(n)

ln(ln(n)) + ln(4 )
+
u = 2 ln(n)
2 2 ln(n)

(2.36)

Na Figura (2.11) feita uma comparao entre a distribuio exata e


assinttica tomando como base uma distribuio normal N(25,5). Como pode
se observar, elas vo ficando mais prximas para valores maiores de n.

0.3

0.25

PDF

0.2

0.15

0.1

0.05

20

40

60

80

parente
extremos N=10 (exata)
extremos N=10 (assint.)
extremos N=100 (exata)
(
i )

Figura 2.11 - Comparaes entre as distribuies exata e assinttica.


Se Z for uma varivel lognormal com parmetros Z e Z , ento a
distribuio dos seus valores extremos assintoticamente se aproxima de uma
distribuio Tipo II com os parmetros

k=

2 ln(n)
Z

ln(ln(n)) + ln(4 )
+ Z
v = exp Z 2 ln(n)

2 2 ln(n)

(2.37)

21

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Para outros tipos de distribuies (parentes) as distribuies assintticas


podem ser obtidas atravs de ajustes utilizando-se os mtodos dos momentos
(conforme a seo seguinte). Inicialmente calcula-se a distribuio terica de
extremos usando as expresses (2.28) e (2.29) ou, dependendo do caso,
(2.31) e (2.32) e a partir delas calcula-se a mdia e o desvio padro
(momentos) da distribuio terica usando as expresses (2.7) e (2.10). Com a
mdia e desvio padro calculam-se os parmetros das distribuies Tipo I, II e
III de acordo com a Tabela (2.2). Atravs de um software grfico, plotam-se a
distribuio terica e as distribuies assintticas e dentre estas ltimas
observa-se qual delas a que melhor se ajusta primeira. A vantagem de se
trabalhar com assintticas que elas geralmente esto disponveis em
qualquer software de confiabilidade, enquanto que a distribuio terica deve
ser programada caso a caso.
2.2.4.3 - Um Breve Comentrio Sobre Distribuies de Extremos
Para evitar grandes erros (devido ao expoente n), devemos usar como
distribuio parente da varivel em anlise, aquela distribuio que melhor se
ajusta aos valores observados na extremidade de interesse (mximos ou
mnimos).

Exerccio 2.1
Escolha parmetros quaisquer para trs distribuies, uma normal, uma lognormal e
uma Rayleigh. Para cada uma delas compare as distribuies tericas de valores
mximos com as distribuies de valores extremos assintticas de acordo com descrito
anteriormente. Considere os seguintes valores n=10, 100 e 1000. (Use o Mathcad)

Exerccio 2.2
Assumindo-se que as elevaes da superfcie do mar, num estado de mar definido por
um Hs e um Tz, constituem um processo aleatrio gaussiano, possvel demonstrar que
as alturas individuais das ondas seguem uma distribuio de Rayleigh do tipo

h 2
FH (h) = 1 exp 2
Hs
Assumindo que os estados de mar so de trs horas, calcule em funo de Hs, qual o
valor mximo esperado e qual o valor mais provvel da altura da onda mxima extrema
em trs estados cujos Tzs so 8s, 10.8s e 12s. Observe que o nmero de ondas em
estado de mar dado aproximadamente por (durao do estado de mar)/Tz.

22

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

2.3 - Ajuste de Distribuies de Probabilidades a Dados Observados


A representao de um determinado fenmeno por uma funo
distribuio de probabilidades algo que facilita bastante o tratamento da
mesma, i.e., uma vez definida a distribuio e os respectivos parmetros fcil
calcular os nveis de probabilidades associadas aos diversos eventos que
envolvem tal fenmeno.
Na prtica o problema ento definir qual a funo e os respectivos
parmetros que representam um fenmeno em observao. A base de
definio so os valores medidos e registrados sobre o mesmo.
A seguir sero apresentados alguns procedimentos para definies dos
parmetros estatsticos de uma varivel aleatria a partir dos dados
observados, bem como, o ajuste de uma distribuio de probabilidades aos
mesmos.
2.3.1 - Determinao de Parmetros Estatsticos
A partir da existncia de uma amostra coletada da varivel aleatria X
(que representa o fenmeno de interesse) igual a X = ( x1, x 2 ,, xn ) , podem ser
calculados vrios parmetros e definidas algumas representaes grficas.
Uma representao grfica bastante usada o chamado histograma de
frequncia relativa, conforme a Figura (2.12). Neste diagrama a varivel
aleatria dividida em pequenos intervalos. Para cada intervalo observado o
nmero de ocorrncias dos valores da amostra. Depois disto ento monta-se o
diagrama representando cada intervalo versus a frequncia relativa dos
mesmos, ou seja, versus o nmero de ocorrncias do intervalo dividido pelo
nmero total de amostras.

Figura (2.12) - Histograma de Frequncias Relativas


O tamanho do intervalo de um histograma definido em funo da experincia
ou a partir de algumas expresses sugeridas na literatura [1].
23

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

A partir dos dados contidos numa determinada da amostra de tamanho


N da varivel aleatria X, podem ser definidos os valores caractersticos da
mesma. A mdia da amostra dada por

X=

1
N

(2.38)

i=1

A varincia da amostra por

s 2X =

1
N

( xi X ) 2 =

i=1

1
( xi2 NX 2 )
N i=1

(2.39)

O desvio padro e o coeficiente de variao so definidos respectivamente por

s X = Varincia = s 2x

(2.40)

e
X =

sX
X

(2.41)

Os coeficientes de skewness e de kurtosis so definidos, respectivamente, por

1 =

1
N

( xi X ) 3

( xi X ) 4

3x

i=1

(2.42)

1
2 =
N

i=1

4x

(2.43)

Usando dados j agrupados em k intervalos de um histograma de frequncias


relativas, onde qi frequncia relativa associada ao i-simo intervalo e xi o
valor mdio deste intervalo intervalo, tem-se que a mdia da amostra dada
por
k

X=

q x

i k

(2.44)

i=1

a varincia por

24

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

s 2X

q ( x X)
i

(2.45)

i=1

e os coeficientes de skewness e de kurtosis, respectivamente, por


k

1 =

qi ( xi X ) 3

qi ( xi X ) 4

i=1

3x

(2.46)

2 =

i=1

4x

(2.47)

Estes valores so representativos da amostra em questo e, portanto,


podem no representar a populao total da varivel X , exceto no caso em
que a amostra seja suficientemente grande. Em outras palavras os parmetros
definidos anteriormente so apenas uma aproximao dos parmetros reais da
varivel aleatria X. Intervalos de confiana sobre os valores calculados acima
podem ser obtidos por vrios procedimentos encontrados na literatura [1].
Porm, na prtica, necessrio de alguma forma estimar os parmetros
estatsticos da varivel aleatria de interesse e isto pode ser feito de vrias
maneiras. No que segue, sero apresentados duas destas maneiras.
2.3.1.1 - Mtodos dos Momentos
Neste procedimento assume-se que os valores caractersticos da
amostra da varivel aleatria sejam iguais ao da sua populao, i.e.,

E( X ) = X X
Var( X ) = 2X s 2

(2.48)

Como estas grandezas esto diretamente relacionadas aos parmetros das


distribuies de probabilidades (veja Tabela (2.1) ), estes ltimos podem ser
facilmente obtidos. Por exemplo, para uma distribuio normal os parmetros
e 2 correspondem exatamente mdia e a varincia da varivel.
2.3.1.2 - Mtodo da Mxima Probabilidade
Este procedimento possibilita a avaliao dos parmetros de uma
distribuio diretamente a partir da amostra. Supondo que estamos
interessados em obter o parmetro de uma distribuio cuja PDF definida
por fx(x, ) para verificar se a mesma se ajusta ou no amostra observada
X = ( x1, x 2 ,, xn ) (note que, por enquanto, a distribuio tem um s parmetro).
Baseado nesta amostra, a seguinte pergunta pode ser feita: Qual o valor mais
provvel de que produz o conjunto de observaes x1, x 2 ,, xn ? Ou em
25

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

outras palavras, qual o valor de que maximiza a possibilidade de obter a


sequncia x1, x 2 ,, xn ? A possibilidade de se obter tal sequncia pode ser
assumida como sendo proporcional ao valor da funo densidade de
probabilidades (PDF) calculada em cada xi. Assim, uma funo de
probabilidades pode ser definida como
P( x1, x 2 ,...., xn , ) = f X ( x1, )f X ( x 2 , )..... f X ( xn , )

(2.49)

O valor de que maximiza esta funo pode ser obtido resolvendo-se a


seguinte expresso

P( x1, x 2 ,...., xn , )

=0

(2.50)

Para distribuies dependentes de mais de um parmetro, a funo de


probabilidades torna-se
P( x1, x 2 ,, xn , 1,, m ) = f X ( x1, 1,, m )f X ( x 2 , 1,, m )..... f X ( xn , 1,, m ) (2.51

e os mesmos so obtidos atravs da soluo do seguinte sistema de equaes


P( x1, x 2 ,...., xn , 1,...., m )
1

=0

P( x1, x 2 ,...., xn , 1,...., m )


m

(2.52)
=0

Exerccio 2.3
Determine analiticamente usando o mtodo da mxima probabilidade o parmetro de
uma distribuio de Rayleigh e o parmetro de uma distribuio exponencial para uma
amostra X = (x1, x2, ...., xn).
2.3.1 - Determinao da Distribuio de Probabilidades
At agora foi mostrado como so definidos os parmetros das
distribuies de probabilidades, porm nada foi dito a respeito de qual a
26

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

distribuio (normal, lognormal, exponencial, etc.) que melhor representa o


fenmeno em observao. Em outras palavras, usando o mtodo dos
momentos, por exemplo, podem ser calculados os parmetros da distribuies
tericas (ver Tabela 2.1) que reproduzem estes mesmos momentos, porm,
isto no significa que a forma da distribuio reproduza a forma do histograma
da amostra.
Definidos os parmetros das vrias distribuies alguns procedimentos
podem ser usados para verificar qual delas melhor representa o fenmeno
observado. Este ser o tpico das sees seguintes, porm antes necessrio
chamar ateno que os procedimentos citados anteriormente so baseados na
comparao da distribuio de probabilidades terica com a distribuio
aproximada dos dados observados. Uma aproximao da funo densidade de
probabilidades obtida a partir do histograma de frequncia relativa. Como
este diagrama representa probabilidade, a densidade mdia de cada intervalo
dada por
f x ( xi ) =

Q( xi )
dx

(2.53)

onde Q(xi) frequncia relativa do intervalo e dx o intervalo do histograma.


Assim a distribuio terica de probabilidades que melhor representa a varivel
X aquela que melhor se ajusta a f x ( xi ) .
2.3.2.1 - Testes de Aderncia
Uma das maneiras de verificar se uma distribuio terica se ajusta ao
fenmeno investigado ou no atravs de testes de aderncia. Atravs de
funes empricas e certas tolerncias definidas pelo usurio, estes testes
comparam a distribuio terica com a aproximada (eq. 2.53) para cada
intervalo do diagrama de frequncias relativas e no final dizem, de acordo com
nvel de confiana pr-estabelecido, se a distribuio terica pode representar
o fenmeno. Dentre estes testes esto o Teste Chi-quadrado e o Teste
Kolmogorov-Smirnov. Maiores detalhes sobre estes testes podem ser obtidos
na literatura sobre probabilidade e estatstica [1].

2.3.2.2 - Comparao Visual


Outra maneira de verificar o ajuste de distribuies de probabilidade
visualmente. Anos atrs isto era feito atravs dos chamados papis de
probabilidade, porm, hoje em dia isto se faz utilizando programas de
computador (exemplo: Mathcad, Maple, Statgraph, etc.). Nestes programas
todas as distribuies tericas so definidas e depois plotadas num mesmo
grfico que tambm inclui a distribuio aproximada. Visualmente o engenheiro
(usurio) pode verificar qual delas melhor se ajusta.

27

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

2.4- Vrias Variveis Aleatrias


Frequentemente mais de uma varivel aleatria precisam ser associadas
a um experimento e ento, o comportamento conjunto destas variveis passa a
ser de interesse. Aqui sero abordados experimentos dependentes de somente
duas variveis aleatrias X e Y, porm os conceitos empregados so vlidos
para qualquer nmero de variveis aleatrias.
De forma semelhante ao tratamento dado a uma nica varivel aleatria,
a funo densidade de probabilidades conjunta, fX,Y ( x, y) , das variveis
aleatrias X e Y definida de tal forma que
P( x

dx
dx
dy
dy
X x + ,y
Y y + ) = f X,Y ( x, y)dxdy
2
2
2
2

(2.54)

A funo cumulativa conjunta de probabilidades definida por


FX,Y ( x, y) = P( X a, Y b) =

f X,Y ( x, y)dydx

(2.55)

Para atender os axiomas bsicos da teoria das probabilidades, a funo


densidade de probabilidades conjunta das variveis X e Y deve satisfazer as
seguintes condies:
a)

f X,Y ( x, y) 0.0

b)

para todo e qualquer x e y

f X,Y ( x, y)dydx = 10
.

c) P(a X b, c Y d) =

(2.56)
b d

f
a c

X,Y ( x, y)dydx

A Figura (2.13)
ilustra uma funo densidade de probabilidades
conjunta para duas variveis X e Y.
Quando as variveis X e Y so estatisticamente independentes, ou seja
a ocorrncia de um valor de X no interfere na ocorrncia de um valor de Y, a
funo densidade de probabilidades conjunta das variveis X e Y pode ser
escrita como
fX, Y ( x, y) = fX ( x)fY ( y)

(2.57)

sendo fX ( x) e fY ( y) as funes densidade de probabilidades de X e Y


respectivamente, obtidas tratando-se os dados de ambas independentemente.

28

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Figura (2.13) - Ilustrao da funo densidade de probabilidades conjunta


As distribuies marginais de cada uma das variveis aleatrias X e Y,
quando fX,Y ( x, y) conhecida, so obtidas da seguinte forma:
fX ( x) =

fX,Y ( x, y)dy

(2.58)
f Y ( y) =

f X,Y ( x, y)dx

A covarincia entre as variveis X e Y definida como

Cov( X, Y ) = E[( X x )( Y y )] = E( XY ) E( X )E( Y )


(2.59)

Cov( X, Y ) = E( XY ) x y
sendo que o valor esperado do produto XY, i.e. E(XY), dado por

E( XY ) =

xyf

X,Y ( x, y)dxdy

(2.60)

Quando X e Y so independentes
E( XY ) = E( X )E( Y ) = X y

(2.61)

e a covarincia ento, torna-se nula.


Fisicamente, o significado da covarincia pode ser melhor entendido
atravs do coeficiente de correlao que definido por

29

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades
X ,Y =

PEC/COPPE/UFRJ

Cov( X, Y )
x y

(2.62)

onde X e Y so respectivamente os desvios padres das variveis X e Y,


obtidos em funo das distribuies marginais e da expresso (2.10). Pode ser
2
demonstrado que X,Y 10
. e que quando X,Y = 10
. existe uma forte relao
linear entre X e Y. No caso de X,Y = 10
. , quando X assumir uma valor grande
com relao a x , Y tambm assumir um valor grande, na mesma proporo
que X, com relao a Y . Por outro lado, caso X,Y = 10
. , ento quando X
assumir uma valor grande com relao a x , Y tender assumir um valor
pequeno, mantendo a proporo absoluta de X, com relao Y . Quando
X,Y = 0.0 significa que no h uma relao linear entre X e Y, isto contudo no
significa que no possa haver um outro tipo de relao entre elas. A ilustrao
do significado do coeficiente de correlao mostrada na Figura (2.14).

= 10
.

= 0.0

= 10
.

.
0 < < 10

= 0.0

= 0.0

Figura (2.14) - Interpretao grfica do coeficiente de correlao


Para vrias variveis aleatrias X1, X2,...,Xn, a matriz de correlao entre
as mesmas definida por

30

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

X1,X1

=
Sim.

X1,X 2
X 2 ,X 2

PEC/COPPE/UFRJ

... X1,Xn
... X 2 ,Xn
...
...

Xn ,Xn

(2.64)

onde Xi ,X j o coeficiente de variao entre as variveis Xi e Xj.


Exerccio 2.4
Demonstre que a correlao de uma varivel aleatria X com ela mesma igual a 1.

2.5 - Soma ou Diferena de Variveis Aleatrias


2.5.1 - Soma ou Diferena de Variveis Aleatrias Normais
Se X e Y forem duas variveis independentes e normais, Z = X + Y
tambm uma varivel normal com mdia e desvio padro dados por:
Z = X + Y

(2.65)

Z = 2X + 2Y

Os resultados acima podem ser generalizados para qualquer funo linear de


variveis randmicas normais, ou seja, se Z for igual a
n

Z = a0 +

a X
i

(2.66)

i=n

onde ai so constantes e X i variveis aleatrias normais estatisticamente


independentes, ento Z uma varivel normal com mdia e varincia dados
por
n

Z = a0 +

a
i

i=n

2Z

i=1

xi

(2.67)

ai2 2xi

onde xi e xi so a mdia e o desvio padro, respectivamente, de cada


varivel aleatria Xi. possvel tambm demonstrar que quando Z for uma
combinao linear de variveis normais estatisticamente dependentes, a sua
mdia e sua varincia correspondem respectivamente a

31

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Z = a0 +

a
i

i=n

2Z =

xi

(2.68)

a a
i

j ij

i=1 j=1

xi x j

onde Xi ,X j o coeficiente de variao entre as variveis Xi e Xj. Qualquer nvel


de probabilidade associado a um evento que envolva Z pode ser calculado
usando Z = N( z , z ) .
Utilizando os resultados acima possvel calcular a mdia e o desvio
padro da varivel reduzida Y definida na equao (2.20), ou seja ,

Y=

X X
X

(2.69)

Y pode ser visto como uma funo linear da varivel X, portanto a sua mdia ,
n

Y = a0 +

a
i

i=n

xi

X
1
X = 0.0
+
X X

e o seu desvio padro


2

2Y

i=1

ai2 2xi

1
2
.
= x = 10
x

Assim fica demonstrado que Y uma varivel normal com mdia 0.0 e desvio
padro 1.0.
Considerando agora a soma de duas variveis normais estatisticamente
independentes X e Y, ou seja, Z = X + Y e introduzindo as variveis W e U
como as correspondentes variveis reduzidas de X e Y, ento, Z pode ser
escrita como

Z = W X + X + U Y + Y
onde a sua mdia dada por

Z = W + U + X + Y = 0.0 + 0.0 + X + Y = X + Y
e o desvio padro

Z = 2X 2W + 2Y 2T = 2X 12 + 2Y 12 = 2X + 2Y

32

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Pode-se observar que os resultados acima so idnticos aos valores fornecido


na Equao (2.65). Portanto, no caso da combinao linear de variveis
aleatrias normais, pode-se tambm operar com as variveis reduzidas
definidas usando a expresso (2.69).
2.5.2 - Soma ou Diferena de Variveis Aleatrias com Distribuies Quaisquer
Quando uma varivel aleatria Z definida como uma combinao linear
de outras variveis e pelo menos uma destas variveis no normal, no
mais possvel definir a sua distribuio de probabilidades diretamente como no
item anterior. Neste caso, somente possvel avaliar o valor mdio e a
varincia de Z. Estas grandezas so obtidas da mesma forma que no item
anterior, ou seja, usando a equao (2.68). Deve ser observado mais uma vez
que dispondo somente destas grandezas no possvel atribuir valores de
probabilidade associados a eventos de Z, uma vez que a distribuio de
probabilidades da mesma no obvia como no item anterior.
2.6 - Produto de Variveis Aleatrias Lognormais
Considere agora o caso de uma varivel Z definida como
n

Z=

(2.70)

i=1

onde X i so variveis lognormais e estatisticamente independentes. A


equao (2.70) pode ser reescrita como:
n

ln Z =

ln X

(2.71)

i=1

Lembrando que se X i lognormal, ln X i normal com mdia Xi e desvio


padro Xi (ver item 2.2.2) . Ento, de acordo com o que foi apresentado no
item (2.5.1), ln Z uma varivel aleatria normal com mdia
E(ln Z) = Z =

Xi

(2.72)

e desvio padro dado por


n

Z =

i=1

2
Xi

(2.73)

Ento, Z uma varivel lognormal com os parmetros Z e Z . Generalizando,


o produto de variveis lognormais tambm uma varivel lognormal.

33

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Exerccio 2.5
Uma determinada varivel de interesse S definida como

S=

PBI
M

Assumindo que P,B,I e M so variveis lognormais, cujas mdias e coeficientes de


variao so mostrados na tabela abaixo, calcule a probabilidade de S assumir valores
maiores que 0.20.
Varivel
P
B
I
M

Mdia
1.00
6.00
0.60
32.0

COV
0.10
0.00
0.10
0.15

2.7 - Mdia e Varincia de Uma Funo Genrica

Considere a varivel aleatria Z definida como


Z = g( X 1, X 2 ,, X n )

(2.74)

onde g(.) uma funo qualquer das variveis aleatrias Xi (normais ou no).
Assumindo-se que as variveis Xi so estatisticamente independentes, a mdia
e a varincia exatas de Z so dadas por
E( Z ) =

g(X , X , X
1

)fx1 ( x1 )fxn ( xn )dx1dxn

(2.75)

( )

Var ( Z ) = E Z 2 (E( Z ))

(2.76)

onde

( ) = g(X , X , X

EZ

) 2 fx1 ( x1 )fxn ( xn )dx1dxn

(2.77)

Deve-se observar que nas expresses (2.75) e (2.77) necessrio


avaliar uma integral n-dimensional que, dependendo do caso, pode ser uma
tarefa bastante pesada. Para evitar tal integrao uma aproximaes da mdia
e da varincia de Z podem ser obtidas atravs da linearizao g( X 1, X 2 ,, X n )
em torno da mdia das variveis aleatrias, atravs da srie de Taylor, i.e.,
34

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

) (X ) g(X , Xx , X )
n

Z g X1 , X ,, Xn +
2

Xi

i=1

(2.78)

Usando o que foi apresentado na seo (2.5.2) tem-se ento que

E( Z ) g X1 , X ,, Xn
2

(2.79)

Var ( Z ) =

g( X 1, X 2 , X n ) 2

Xi
x i

(2.80)

Notar mais uma vez que alm das expresses (2.79) e (2.80) serem valores
aproximados, a distribuio de probabilidades de Z no pode ser definida.

2.8 - Correlao entre Duas Funes Lineares de Variveis Aleatrias


Dado um conjunto de variveis aleatrias ( X 1, X 2 ,, X n ) e duas outras
variveis aleatrias Y e Z que so funes lineares das mesmas, i.e.,
n

Y = a0 +

a X
i

(2.81)

(2.82)

i=n

e
n

Z = b0 +

b X
i

i=n

O coeficiente de correlao entre Y e Z pode ser calculado como:

Y ,Z =

Cov( Y, Z)
YZ

(2.83)

onde

Cov( Y, Z) = E[( Y Y )( Z Z )] = E( YZ) E( Y )E( Z)


(2.84)
n

Cov( Y, Z) =

a b
i i i,j

i=1 i=1

Xi Xj

e
35

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

Y =

Z =

PEC/COPPE/UFRJ

2
ai2 2Xi

i=1
n

bi2 2Xi

i=1
n

1
2

(2.85)

Notar que na equao (2.84) o coeficiente de correlao de uma varivel com


ela mesma um, ou seja, i,i = 10
. . Tambm deve ser observado que a
correlao entre Y e Z independe do tipo de distribuio de probabilidades das
variveis.

Exerccio 2.6:
Dadas as variveis aleatrias Y e Z, onde
Y = S + 2T + 4W - 2.5R
Z = 1.5S + 2W - R
e sabendo-se que S=T=W=R=N(1,0.2) e so estatisticamente independentes, calcule
a) a probabilidade de Y ser maior que 6.0;
b) a probabilidade de Z ser maior que 4.0 e menor que 5.0;
c) a coeficiente de correlao entre as variveis Y e Z.

36

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

2.9 - Distribuies Normais Equivalentes


Para uma varivel aleatria X, cuja distribuio de probabilidades no
normal, uma distribuio normal equivalente num ponto x pode ser obtida,
igualando-se as funes cumulativa e densidade de probabilidades de uma
normal e da distribuio real de X no referido ponto. Este procedimento
ilustrado na Figura (2.15). Obter uma normal equivalente significa obter a
mdia e o desvio padro desta distribuio. Estas grandezas so calculadas
atravs da resoluo do seguinte sistema de equaes:
(

x NX
NX

) = FX ( x )

(2.86)
x
1
(
N
X

NX
NX

) = f X ( x )

onde (.) e (.) correspondem, respectivamente, s funces densidade e


cumulativa da distribuio normal padro, fX (.) e FX (. ) correspondem,
respectivamente, s funces densidade e cumulativa da varivel X e
NX e NX so, respectivamente, a mdia e desvio padro da normal
equivalente no ponto x .

Figura 2.15 - Princpio da Normal Equivalente


A soluo do sistema de equaes (2.86) dada por

NX

{ [

]}

1 FX ( x )
f X ( x )

(2.87)

NX = x NX 1 FX ( x )

sendo que 1(.) corresponde a inversa da distribuio cumulativa normal


padro. Em outras palavras, 1(p) corresponde ao valor da varivel reduzida
cuja probabilidade de ocorrerem valores menores ou iguais a ela seja igual a p.

37

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades

PEC/COPPE/UFRJ

Exemplo 2.2:
Uma varivel aleatria Y tem mdia ( Y ) 10.00 e desvio padro ( Y ) 2.00 e sua
distribuio de probabilidades uma Tipo I para valores mximos. Calcule a mdia e o
desvio padro da normal equivalente no ponto y = 14.00 .
Soluo
A PDF e a CDF de uma distribuio Tipo I para valores mximos so
f Y ( y) = exp( ( y u) exp( ( y u)))
FY ( y) = exp( exp( ( y u)))
onde

1
1
=
= 0.64128
6 Y
6 2.00

u = Y

0.5772
0.5772
= 10.00
= 9.10

0.64128

Desta forma

f Y ( y * ) = f Y (14.0) = 0.026522
FY ( y * ) = FY (14.0) = 0.95774

Para encontrarmos a normal equivalente temos que resolver 1 FY ( y ) . Usando uma


tabela de distribuio normal padro tem-se

1 FY ( y ) = 1[FY (14.00)] = 1[ 0.95774] = 17258


.
Lembrando que

( x) =

1
exp( x 2 )
2
2

tem-se que

{ [

]}

1 FY ( y ) = (17258
.
) = 0.089978

e assim

38

COC799-Confiabilidade Estrutural
Variveis Aleatrias e Distribuies de Probabilidades
NY

{ [

PEC/COPPE/UFRJ

]} = 0.089978 = 3.3927

1 FY ( y )

fY ( y )

0.026522

NY = y NY 1 FY ( Y ) = 14.00 3.3927 x17258


.
= 8.144976
so os parmetros da distribuio normal equivalente.
Exerccio 2.7:
Demonstrar que a mdia e o desvio padro de uma distribuio normal equivalente a
uma varivel aleatria X lognormal, com parmetros e , no ponto x , correspondem
respectivamente a :

NX = x (1 ln x + )
NX = x
Exerccio 2.8 :
Uma varivel aleatria X foi observada durante um ano. Os valores observados da
mesma com o respectivo nmero de ocorrncias so indicados na tabela abaixo:
X

0.00 0.50
No. de 113318
ocorr.
X
5.00 5.50
No. de 266
ocorr.

0.50 1.00
192959

1.00 1.50
154047

1.50 2.00
85294

2.00 2.50
41072

2.50 3.00
16850

3.00 3.50
7269

3.50 4.00
2914

4.00 4.50
1312

4.50 5.00
585

5.50 6.00
116

6.00 6.50
51

6.50 7.00
20

7.00 7.50
18

7.50 8.00
3

8.00 8.50
5

8.50 9.00
1

9.00 9.50
2

9.50 10.00
2

A partir dos dados acima :


a) ajuste uma distribuio de probabilidades para a varivel X;
b) estabelea a distribuio (assint.) do valor mximo extremo centenrio.
Sugesto: use o Mathcad ou software similar
2.10 - Referncias Bibliogrficas
1. Ang, A.H-S. and Tang, W.H. - Probability Concepts in Engineering
Planning and Design, Vol. I, John Willey and Sons, New York, 1975.
2. Ang, A.H-S. and Tang, W.H. - Probability Concepts in Engineering
Planning and Design, Vol. II, John Willey and Sons, New York, 1984.

39

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

3. ALGUNS
CONCEITOS
ESTRUTURAL.

PEC/COPPE/UFRJ

EM

CONFIABILIDADE

O principal objetivo da confiabilidade estrutural a avaliao da


segurana de uma estrutura, ou a avaliao da probabilidade de que a mesma
no falhe em atender aos objetivos para os quais ela foi projetada, durante a
sua vida til. Na realidade no existe estrutura 100% confivel, sempre existe o
risco dela vir a falhar, porm, ele deve ser mantido em nveis aceitveis de
acordo com critrios de segurana e economia.
A confiabilidade de uma estrutura, C, definida como o complemento da
probabilidade de falha pf, ou seja,

C = 1 pf

(3.1)

Como geralmente pf pequena para estruturas, na ordem de 10-3 a 10-6,


comum usar pf como a medida de confiabilidade de uma estrutura. A avaliao
de pf objeto do captulo 4, porm, a seguir sero apresentados alguns tpicos
que so introdutrios a tal captulo. Maiores detalhes sobre os tpicos a serem
apresentados a seguir podem ser encontrados nas referncias [1-3].
3.1 - Definio de Probabilidade de Falha
Como j foi dito anteriormente, a probabilidade de falha uma medida
muito importante na anlise de segurana de estruturas. A avaliao da
probabilidade de falha baseada numa funo de performance do sistema em
estudo. Esta funo tambm conhecida como funo de estado limite, ou
funo de falha ou margem de segurana e denominada G(U ) (ou
simplesmente Z), onde U um vetor que inclui todas as variveis aleatrias
consideradas na anlise. indicado na Figura (3.1) para o caso bidimensional. O
limite G(U ) = 0.0 conhecido como superfcie de falha.

43

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

Figura 3.1 - Definio da funo de falha


Para a avaliao da segurana de uma estrutura, o interesse recai
justamente na possibilidade de acontecerem falhas, ou seja, na probabilidade
da funo de falha assumir valores pertencentes ao domnio de falha. Esta
probabilidade usualmente definida como probabilidade de falha e definida
por
pf = P (G(U ) 0.0)

(3.2)

Sabendo-se que fu (U ) representa a funo densidade de probabilidades


conjunta de todas as variveis randmicas U envolvidas na anlise, a
probabilidade de falha pode ser reescrita como:
pf =

f
F

u (U )du

(3.3)

onde F indica o domnio de falha ( G(U ) 0), conforme ilustra a Figura (3.2)
para o caso bidimensional (duas variveis aleatrias).
A avaliao da expresso (3.3) no muito simples, uma vez que ela
envolve a avaliao de uma integral n-dimensional num domnio complexo
( G(U ) 0.0 ), onde n o nmero de variveis aleatrias pertencentes a U .
Mesmo com o desenvolvimento de tcnicas modernas de integrao numrica
e com computadores cada vez mais eficientes, na prtica a avaliao da
equao (3.3), por integrao, tem se restringido a problemas com 5 a 6
variveis aleatrias no mximo. Devido a isto outros mtodos para avaliar a
probabilidade de falha foram desenvolvidos, como ser visto mais adiante. A

44

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

avaliao da probabilidade de falha de estruturas, geralmente, identificada


simplesmente como anlise de confiabilidade estrutural.

Figura 3.2 - Representao grfica da probabilidade de falha


A seguir ser apresentado de forma sucinta o ndice de confiabilidade de
segunda ordem e depois disto, para facilitar o entendimento dos mtodos de
avaliao de pf, ser apresentada em detalhes a anlise de confiabilidade de
um sistema do tipo R-S (resistncia - solicitao).

3.2 - ndice de Confiabilidade de Segunda Ordem

Devido s dificuldades ilustradas acima, as atividades iniciais dos


pesquisadores em confiabilidade estrutural, levaram ao uso do chamado ndice
de confiabilidade de segunda ordem, SO , na avaliao da segurana de uma
estrutura. Este ndice baseia-se simplesmente na mdia e no desvio padro das
variveis U aleatrias e tambm no coeficiente de correlao entre elas (no
considera o tipo de distribuio das variveis) e definido como
SO =

E(G(U ))
Var(G(U ))

(3.3)

onde E(G(U)) e Var(G(U)) so, respectivamente, o valor esperado e a varincia


de G(U) que podem ser calculados de acordo com o item 2.7 deste trabalho.
Como pode ser observado na figura (3.3) este ndice mede a distncia
entre o valor mdio de G(U) e zero em unidades de desvios padres. Porm
45

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

como j ilustrado no item (2.7), para uma funo qualquer os valores calculados
da mdia e da varincia de G(U) so aproximados, pois os mesmos dependem
do ponto onde foi linearizada a funo. O ndice SO somente invariante para
o caso de funes lineares.
Para anlise de confiabilidade, a expresso (3.3) apresenta certas
inconsistncias. Uma delas que para uma determinado problema que pode ter
sua funo de falha representada por duas funes de estado limite diferentes,
porm equivalentes, os ndices de confiabilidade obtidos para ambas podem ser
diferentes, como ilustrado no exemplo (3.1).
Exemplo 3.1
Suponha uma barra de trelia com resistncia R e solicitao S, ambas
aleatrias onde so conhecidos os seus valores mdios ( R e S ) e os
respectivos desvios padres ( R e S ).
Uma funo de falha para esta barra pode ser simplesmente definida como
Z =RS

Para este caso, usando as equaes (3.3), (2.79) e (2.80), o ndice de


confiabilidade de segunda ordem dado por

SO =

R S
R2 + 2S

Observe que uma outra funo de falha, significando a mesma coisa, pode ser
simplesmente definida como

R
Z = ln
S
porm para esta expresso tem-se que
SO =

ln( R ) ln( S )
2

+ S
R
S

ln( R ) ln( S )
R2 + S2

onde R e S so os coeficientes de variao de R e S, respectivamente.


Como pode se observar SO no o mesmo e portanto inconsistente uma vez
que o problema o mesmo.

46

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

Figura 3.3 - Ilustrao do ndice de confiabilidade de segunda ordem


O ndice de confiabilidade de segunda ordem foi simplesmente o comeo da
anlise de confiabilidade estrutural uma vez que o mesmo significa uma medida
de segurana e com ele no possvel avaliar pf (exceto o caso de uma funo
linear de variveis normais). As inconsistncias foram sendo superadas e
permitiram o desenvolvimento de mtodos eficientes para avaliao da
probabilidade de falha, como ser visto no captulo seguinte. Portanto, o ndice
SO tem um sentido histrico e por isto foi includo neste curso.

3.3 - Sistemas do Tipo R-S (Resistncia-Solicitao)


A anlise de confiabilidade estrutural pode ser vista como um problema
de suprimento versus demanda, i.e., um problema de confiabilidade pode ser
definido como avaliao da probabilidade de que a demanda (i.e., a carga
mxima na estrutura) exceda a capacidade de suprimento (i.e., a resistncia da
estrutura), durante a vida til da mesma. Genericamente para um elemento de
trelia podemos definir
R = capacidade de suprimento = resistncia do elemento
S = demanda = carga mxima na estrutura
Assim a funo de falha G(U ) , com U = (R, S) , pode ser escrita como

G(U ) = Z = R S

(3.4)

47

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

tambm comum na anlise de confiabilidade estrutural definir G(U ) ou Z


como margem de segurana. Assumindo que as distribuies de
probabilidades de R e S so conhecidas e estatisticamente independentes, a
probabilidade de falha pode ser calculada como
pf =

fR (r )fS (s)drds =

FR (s)fS (s)ds

(3.5)

(1 FS (r ))fR (r )dr

(3.6)

ou como

pf =

fR (r )fS (s)dsdr =

onde fR (r ) e fS (s) so as funes densidade de probabilidades e FR (r ) e FS (s)


so as funes cumulativas de probabilidades de R e S, respectivamente.
Se as distribuies de R e S so normais e relembrando que uma
combinao linear de variveis aleatrias normais resulta numa varivel normal,
tem-se
0.0 Z
pf = P( Z 0.0) =
= ( )
Z

(3.7)

onde Z = R S , Z = R2 + 2S , (.) a distribuio cumulativa normal


padro (ver Apndice A) e o chamado ndice de confiabilidade, definido
como

R S
R2 + 2S

(3.8)

Deve-se observar que a avaliao da probabilidade de falha utilizando a


equao (3.8) bem mais simples que empregar a expresso (3.5) ou a (3.6). A
equao (3.8) representa a mesma coisa que as outras duas, porm devido as
propriedades da distribuio normal, o clculo se torna bem mais simples.
3.3.1 - Espao Reduzido
A avaliao da probabilidade de falha para um sistema R-S, com R e S
normais, pode ser tambm feito utilizando as variveis reduzidas (variveis
normais com mdia 0 e desvio padro 1, conforme item 2.2.1), i.e.,

48

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

s=

PEC/COPPE/UFRJ

S S
S
(3.9)

r=

R R
R

No espao das variveis reduzidas a funo de falha Z (ou G(U)) pode


ser escrita como

Z = r R + R r S S

(3.10)

Na Figura (3.4) mostrada a superfcie de falha ( G(U ) = 0.0 ) no espao


das variveis reduzidas.

Figura 3.4 - Representao da superfcie de falha no espao reduzido

Atravs da geometria analtica fcil demonstrar que a distncia da reta


G(U ) = 0.0 at a origem, no espao das variveis reduzidas, igual a

d=

R S
R2 + 2S

(3.11)

que justamente coincide com o ndice de confiabilidade definido na equao


(3.8), a distncia do ponto sobre a superfcie de falha mais prximo a origem at
a origem o prprio ndice de confiabilidade. Deve ser observado que o ponto
sobre a superfcie de falha e mais prximo a origem ( r , s ) tambm o ponto
sobre a reta, cujo valor da funo densidade de probabilidades conjunta
( fR,S (r, s) = (r )(s) ) das duas variveis maior. Este ponto chamado de ponto
de projeto ou ponto mais provvel de falha.

49

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

Os resultados acima podem ser estendidos facilmente para um nmero n


qualquer de variveis aleatrias normais estatisticamente independentes
Ui = N( i , i ) , i.e., usando U para identificar as variveis aleatrias envolvidas
na anlise e u para as correspondentes variveis reduzidas, tem-se

G(U ) = a 0 +

a U
i

(3.12)

i=1

onde o ndice confiabilidade dado por


n

a0 +
=

a
i

i=1

Ui

(3.12)

a
2
i

i=1

2
Ui

A expresso (3.12) corresponde distncia do hiperplano, que representa a


superfcie de falha, at a origem no espao das variveis reduzidas.
possvel tambm demonstrar que as coordenadas do ponto mais
prximo origem, u , no espao das variveis reduzidas so dadas por
ui = i

(3.13)

onde i a componente do vetor normal superfcie de falha, calculado no


ponto de projeto, e definida por

i =

Z
u i
n

u
i=1

(3.14)

Z
a componente relacionada varivel u i , do vetor gradiente da
u i
Z
funo de falha Z, i.e.
, avaliado no espao das variveis reduzidas e no
u
ponto de projeto. Em outras palavras, i o cosseno diretor do vetor que une o

onde

50

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

ponto de projeto origem com relao ao eixo da varivel u i , como mostra a


Figura (3.5).
O ponto de projeto no espao original, pode ser obtido atravs da
generalizao da expresso (3.9), ou seja,
Ui = ui i + i

(3.15)

De acordo com as equaes (3.4) e (3.10), observa-se que o gradiente


da funo de falha no espao reduzido se relaciona ao gradiente avaliado no
espao original atravs da seguinte expresso

Z
Z
= i
u i
Ui

(3.16)

Figura 3.5 - Relaes geomtricas nos espao das variveis reduzidas

3.4 - Classificao das Incertezas na Anlise de Confiabilidade Estrutural


As vrias incertezas relacionadas ao projeto, fabricao e uso de uma
estrutura podem ser classificadas em incertezas normais e incertezas
associadas a erros humanos e outros fatores que independem do engenheiro
estrutural [2-3].
As incertezas normais podem ser ainda subdivididas em incertezas
inerentes ou fundamentais e incertezas devido ao incompleto ou imperfeito
conhecimento na avaliao das cargas, solicitaes e resistncia de uma
estrutura. As incertezas inerentes ou fundamentais resultam da variabilidade
natural de uma determinada varivel, por exemplo, altura de onda, velocidade
do vento, etc. Estas incertezas no podem ser eliminadas com um maior nmero

51

COC799-Confiabilidade Estrutural
Alguns Conceitos em Confiabilidade Estrutural

PEC/COPPE/UFRJ

de informaes. As incertezas devido ao imperfeito ou incompleto


conhecimento, tambm denominadas como epistmicas, esto diretamente
relacionadas quantidade limitada de dados para definir estatisticamente as
incertezas fundamentais e imperfeio nos modelos matemticos usados para
calcular cargas, solicitaes e a capacidade resistente de uma estrutura. Estas
incertezas podem ser reduzidas a partir de um nmero maior de informaes ou
atravs do emprego de modelos matemticos mais precisos.
Incertezas associadas a erros humanos e outros fatores, tais como
sabotagem, colises, etc., esto presentes no projeto, execuo, manuteno e
uso de uma estrutura e podem ser reduzidas atravs de mecanismos como
controle de qualidade, inspees, sistemas de alarme, etc.
As incertezas normais podem ser representadas atravs de variveis
aleatrias enquanto que as incertezas associadas a fatores humanos no. Estas
ltimas podem ser tratadas atravs de uma taxa de ocorrncia a partir de um
histrico de observaes e contempladas no mbito da confiabilidade de
sistemas.
A anlise de confiabilidade estrutural determina a probabilidade de uma
estrutura falhar associada s incertezas normais e no contempla aquelas
relacionadas a erros humanos. Assim esta probabilidade constitui-se de apenas
uma parcela que contribui para a probabilidade realde falha de uma estrutura.
Por este motivo, a probabilidade de falha calculada pela confiabilidade
estrutural no pode ser comparada a valores obtidos a partir de falhas
acontecidas com estruturas.

3.5 - Referncias Bibliogrficas


1. Ang, A.H-S. and Tang, W.H. - Probability Concepts in Engineering
Planning and Design, Vol. II, John Willey and Sons, New York, 1984.
2. Madsen, H.O., Krenk, S., Lind, N.C. - Methods of Structural Safety,
Prentice-Hall Inc., New Jersey, 1986.
3. Melchers, R.E. - Structural Reliability: Analysis and Prediction, Ellis
Horwood, Chichester, 1987.

52

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

4. MTODOS ANALTICOS PARA


CONFIABILIDADE ESTRUTURAL

ANLISE

DE

De acordo com o que foi definido anteriormente, um dos objetivos da


confiabilidade a avaliao da integral apresentada na equao (3.3). Para
problemas reais , onde podem existir vrias variveis dependentes uma das
outras e no-normais e a funo de falha complexa, a avaliao numrica da
equao (3.3) no tarefa fcil de ser executada. Por este motivo, mtodos
alternativos so geralmente empregados na sua avaliao. Estes mtodos se
dividem basicamente em mtodos analticos e mtodos baseados na simulao
de Monte Carlo. A seguir sero apresentados os mtodos analticos, conhecidos
como FORM e SORM.

4.1 - Mtodo FORM (First Order Reliabilty Method)


Como foi visto no item (3.3.1), no espao reduzido das variveis normais
padro estatisticamente independentes e para uma funo de falha linear, a
confiabilidade pode ser facilmente obtida atravs da distncia da funo at a
origem. Esta a idia principal do mtodo FORM.
No mtodo FORM, as variveis aleatrias U, cujas distribuies so
quaisquer e podem ser dependentes entre si ou no, so transformados em
variveis V normais padres estatisticamente independentes. A funo de falha
G(U) escrita em funo das variveis V como g(V). Depois disto, a superfcie
de falha g(V)=0.0 aproximada por uma superfcie linear (ou hiperplano) no
ponto com a menor distncia at a origem, identificado como V ( o ponto de
projeto no espao das variveis reduzidas). A partir disto a probabilidade de
falha, de acordo com o que foi apresentado no item 3.3, pode ser simplesmente
calculada como

pf = ( )

(4.1)

53

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

onde a distncia do ponto V at a origem e calculado como

= V

(4.2)

Da mesma forma que foi mostrado no item 3.3.1, temos que


V =
n

g(V ) =

(4.3)

i i

i=1

onde o vetor normal superfcie de falha no ponto de projeto.


Na Figura (4.1) ilustrado o procedimento de clculo da probabilidade de falha
pelo mtodo FORM.

Figura (4.1) - Representao grfica do mtodo FORM

Deve ser observado que o mtodo FORM um mtodo que calcula a


probabilidade de falha de forma aproximada e dependendo da forma da funo
g(V) no espao das variveis reduzidas. Como mostra a Figura (4.2), esta
aproximao pode ser a favor da segurana quando g(V) for convexa em torno
do ponto de projeto ou ser contra a segurana no caso contrrio. Porm, para

54

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

casos prticos de estruturas, a diferena entre valor real e o valor aproximado


da probabilidade de falha irrelevante.
O principais desafios no mtodo FORM so a busca ao ponto de projeto
V e a transformao das variveis em variveis normais padro. Como ser
visto a seguir, a transformao das variveis pode ser feita utilizando a
distribuies normais equivalentes e o ponto de projeto pode ser obtido atravs
da soluo de um problema de otimizao (ou programao no-linear).

4.1.1 - Transformao de variveis


Existem vrias possibilidades para transformar as variveis aleatrias U
em variveis normais padro e estatisticamente independentes V. Porm, a
metodologia com maior uso em confiabilidade estrutural, baseia-se na
transformao de variveis normais correlacionadas em variveis em normais
estatisticamente independentes. Este transformao conhecida como
transformao de Nataf [Kiureghian and Liu, 1986].

Figura (4.2) - Aproximao pelo FORM para superfcies cncavas e convexas

Se U contiver somente variveis normais e estas forem correlacionadas


entre si (ou no) um conjunto de variveis normais padro estaticamente
independentes pode ser obtido pela seguinte transformao:
V = 1(U m )

(4.4)

55

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

onde m o vetor com as mdias das variveis U, uma matriz diagonal


contendo aos desvios padres das variveis U e = L1 , sendo L a matriz
triangular inferior obtida da decomposio de Choleski da matriz dos
coeficientes de correlao de U, e expressa por
L 11 0
L
L 22
L = 12
.
.

L 1n L 2n

0
0
.
.

0
0
.

L nn

(4.5)

onde n o nmero de variveis aleatrias envolvidas na transformao e os


termos L ij so definidos como
.
L 11 = 10
L i1 = i1
1
L ik =
L kk

i = 1, n

rik

L ijL kj

j=1

k 1

1< k < i

(4.6)

i-1

L ii = 1 -

2
ij

i>1

j=1

onde ij o coeficiente de correlao entre as variveis Ui e Uj .


Como ser visto no item seguinte, para a determinao do ponto de
projeto necessrio a definio do Jacobiano da transformao, ou seja,
J=

V
U

(4.7)

A partir da equao (4.4) temos

J = 1

(4.8)

Na maioria dos casos as variveis no so normais e para estes casos,


ento, uma transformao em normal equivalente, como apresentada no item
2.9, pode ser empregada para podermos operar com a equao (4.4). Deve ser
colocado que a transformao em normais equivalentes, apresentada no item

56

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

2.9, no considera casos onde as variveis so correlacionadas. No caso de


variveis correlacionadas tambm possvel usar a mesma transformao para
obtermos normais equivalentes, desde que os coeficientes de correlaes entre
as variveis originais sejam corrigidos para coeficientes de correlaes entre as
normais equivalentes.
Sejam duas variveis Ui e Uj com distribuies de probabilidades
quaisquer e dependentes entre si, cuja dependncia definida pelo coeficiente
de correlao ij , ento, o coeficiente de correlao equivalente entre as duas
distribuies normais equivalentes s variveis Ui e Uj pode ser definido como

Eij = Fij

(4.9)

onde F um valor que depende somente de ij e dos coeficientes de variao


das variveis Ui e Uj . Este valor no depende do ponto onde transformao
est sendo realizada. Kiureghian and Liu [1986] desenvolveram expresses
analticas para o fator F para um grande nmero de distribuies de
probabilidades.
Uma vez definidas as normais equivalentes para as variveis U e as
suas correlaes equivalentes, a expresso (4.4) pode ser ento empregada
para obter variveis normais padres estatisticamente independentes V.
A transformao de Nataf exposta anteriormente simplesmente opera
com a distribuio marginal das variveis aleatrias e com o coeficiente de
correlao entre as variveis, ou seja, a funo densidade de probabilidades
conjunta fu (U ) no conhecida. Por este motivo, se diz que tais informaes,
distribuio marginal e coeficientes de correlao, so informaes
probabilsticas incompletas. Porm, este o caso da grande maioria das
aplicaes prticas.
No caso onde as informaes probabilsticas completas so conhecidas,
ou seja fu (U ) conhecida, a transformao de Rosenblatt [Madsen, et al. 1986]
a mais indicada para a transformao das variveis V em U. Esta
transformao definida como

(
(F

V1 = 1 FU1 (U1 )
V2 = 1

U2 (U2

/ U1 )

(4.10)

Vn = 1 FUn (Un / U1U2 Un )

57

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

onde FUi (Ui / U1U2 Ui1 ) a funo cumulativa de probabilidades da varivel Ui


condicionada a valores conhecidos da variveis U1, U2, ..., Ui-1 e 1(.) o
inverso da funo cumulativa normal padro.
Como poucas vezes na prtica esto disponveis os dados na forma
adequada para serem utilizados na transformao de Rosenblatt, a
transformao de Nataf a mais usada. Mesmo para os casos onde distribuio
de probabilidade conjunta das variveis conhecida, o modelo de Nataf pode
ser empregado, utilizando alguns detalhes a mais do que foi apresentado
anteriormente. Este tpico foge ao escopo deste curso mas pode ser visto com
maiores detalhes em [Kiureghian and Liu, 1986].
4.1.2 Pesquisa do Ponto de Projeto
Um dos passo fundamentais para o clculo da probabilidade de falha
pelo mtodo FORM o de encontrar o ponto V sobre a superfcie de falha
mais prximo origem. Isto pode ser formulado como um problema de
otimizao P1 (ou programao no-linear) com uma restrio tal que
P1 : minimize

(4.11)

sujeito a g(V ) = 0

Existem vrios algoritmos de otimizao para resolver este


problema. O algoritmo mais usado na anlise de confiabilidade estrutural
aquele desenvolvido por Hasofer and Lind [1974] e aprimorado po Rackwitz and
Fiessler [1978]. Este algoritmo comumente identificado como HLRF e
resumido pela seguinte expresso recursiva:
V K +1 =

1
g(V K )

[g(V

) V K g(V K ) g(V K ) T

K T

(4.12)

onde g(V K ) o gradiente da funo de falha no espao reduzido e g(V K ) o


valor da funo de falha, ambos avaliados no ponto V K .
Para a utilizao do mtodo HL-RF, so de extrema utilidade as
seguintes relaes

g(V ) = G(U )
V = 1(U m )

(4.13)

58

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

g(V ) = (J 1 ) T G(U )

onde G(U) o gradiente da funo de falha no espao original avaliado no


ponto U. As demais variveis j foram definidas previamente.

A experincia tem mostrado que embora na maioria das vezes este


mtodo alcance a convergncia rapidamente, ele pode no convergir em
algumas situaes.

4.2 - Mtodo SORM (Second Order Reliabilty Method)


A idia do mtodo analtico SORM basicamente a mesma do FORM. A
diferena entre ambos consiste na aproximao feita para superfcie de falha
no espao reduzido. No SORM, ao invs de se fazer uma superfcie linear no
ponto de projeto V se faz uma aproximao por uma superfcie quadrtica,
como mostra a Figura (4.3).

Figura 4.3 - Ilustrao dos Mtodos Analticos FORM e SORM

59

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

Para esta aproximao vrias expresses para o clculo da probabilidade


de falha pf foram propostas, porm a mais simples delas a frmula de Breitung
[Breitung, 1984]

pf = ( )

n 1

(1 +

i )

1/ 2

(4.14)

i=1

onde i so as curvaturas principais da superfcie de falha no ponto de projeto

V * e n o nmero de variveis randmicas na anlise. A avaliao de i feita


segundo procedimentos apresentados em [Liu and Kiureghian, 1989; Madsen et
al., 1986; Breitung, 1984]. Esses procedimentos envolvem a avaliao das
derivadas de segunda ordem da funo de falha no ponto de projeto.
A expresso (4.14) uma aproximao assinttica, i.e., ela converge
para o valor exato para valores pequenos de pf. A soluo exata para a
probabilidade correspondente a uma superfcie de estado limite quadrtica foi
recentemente obtida por Tvedt [1990]. Esta soluo um pouco mais
complicada que a expresso (4.14) pois a mesma envolve uma integrao
envolvendo nmeros complexos.
4.3 - Algoritmo para Anlise de Confiabilidade pelos Mtodos FORM e
SORM
De acordo com o que foi apresentado anteriormente, a anlise de
confiabilidade pelos mtodos analticos FORM e SORM podem ser resumida
pelo seguinte algoritimo:
1) Avaliar as correlaes equivalentes entre as variveis e montar a matriz ;
2) Escolher um ponto de partida U no espao original (geralmente as mdias);
3) Avaliar as mdias e desvios padres das normais equivalentes no ponto de
partida atravs das expresses

NUi

{ ( ( ))}

-1 FUi Ui*

( )

fUi Ui*

( ( ))

NUi = Ui* NUi 1 FUi Ui*

e depois montar as matrizes e m, com os respectivos desvios padres e


mdias das normais equivalentes;
4) Avaliar a funo de falha G(U), o Jacobiano e o gradiente de G(U) no espao
reduzido atravs das expresses

60

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

g(V ) = G( U )
J = 1
g(V ) = ( J 1 )T G( U )
5) Transformar o ponto de partida para o espao reduzido usando

V = J(U m)
6)Avaliar o novo ponto V next atravs do algoritmo HLRF

V next =

1
g(V )

[g(V ) V g(V )] g(V )


T

7) Avaliar o ndice de confiabilidade


= V next
8) Avaliar o novo ponto U next no espao original atravs da seguinte expresso

( )

U next = U + J 1

(V next V )

9) Tomar U next como novo ponto de partida e repetir os passos 3 a 8 at a


convergncia, i.e.,
V next V
V next

TOL

10) Avaliar a probabilidade de falha pelo mtodo FORM por


pf FORM = ( )

ou pelo mtodo SORM como


pf SORM = ( )

n 1

(1 +

i )

1/ 2

i=1

A avaliao da probabilidade de falha pelo mtodo FORM envolve alm


da avaliao da funo de falha nos pontos calculados pelo algoritmo a
avaliao das suas derivadas para compor o vetor gradiente. Para problemas

61

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

prticos o clculo destas derivadas pode ser feito numericamente via diferenas
finitas. Este clculo envolve no mnimo n avaliaes a mais da funo de falha
por iterao do algoritmo HLRF, onde n o nmero de variveis aleatrias.
Portanto, para problemas onde a funo de falha G(U) computacionalmente
cara de ser avaliada melhor se possvel trabalhar com derivadas analticas e
no numricas.
No SORM necessrio calcular as derivadas de segunda ordem de G(U)
para a avaliao das curvaturas no ponto de projeto. Embora o clculo destas
derivadas possa ser feito somente quando houve a convergncia do algoritmo
HLRF, valem as observaes feitas anteriormente para funes de falha que
requerem elevados tempos de computador para serem avaliadas.
Na grande maioria dos problemas prticos apenas o mtodo FORM tem
sido usado.

Exemplo 4.1
Uma barra com resistncia R est submetida a uma solicitao S. Sabendo-se que R uma
varivel aleatria com distribuio lognormal com mdia 10.0 e desvio padro 2.0 e S
uma varivel aleatria com distribuio normal com mdia 5.0 e desvio padro 2.0, calcule
a probabilidade da barra falhar.
Soluo
Definio da funo de falha:

U = (R, S)
G(U ) = R S
Parmetros da distribuio de R
2
R = ln 1 + R2 = 0.198
R

R = ln( )

1 2
R = 2.283
2

Equaes para clculo das normais equivalentes


Para R :

NR = R(1 ln R + R )

NR = R R

Para S:

NR = R

NR = R

Passos do algoritmo

62

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

1 0
1) =

0 1

2) Ponto de Partida U T = (10,5)


3) Usando as expresses acima
NR = R(1 ln R + R ) = 9.804 ;

.
NR = R R = 198

NS = S = 5.0 ;

NS = S = 2.0

N
e = R
0

.
0
0 198
=
;
N
S 0 2.0

m T = NR , NS = (9.804,5.00)

4) Avaliao da funo de falha e seus gradientes no espao original e reduzido


G(U ) = R S = 10.0 5.00 = 5.00 ;

G(V ) = G(U ) = 5.00

.
0
198
=

0 2.00

0
0.505
;
J = 1 =
0.500
0

(J )

G(U ) = (1,1) ;

.
198
g(V ) = (J 1 ) T G(U ) =

2.00

1 T

5) Ponto de partida no espao reduzido


0.099
V = J (U m ) =

0.000

6) Novo ponto de projeto

V next =

1
g(V )

[g(V ) V g(V )] g(V )


T

.
1201
=

.
1213

7) ndice de confiabilidade
= V next

= 1707
.

8) Ponto de projeto no espao original

63

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

( )

U next = U + J 1

PEC/COPPE/UFRJ

7.426
(V next V ) =

7.426

A partir de agora o processo se repete at a convergncia. O resumo da anlise


mostrado na tabela abaixo.
Iterao

Varivel

Ponto de
Projeto U

NUi

NUi

R
S
R
S
R
S
R
S
R
S

10.00
5.000
7.426
7.426
7.914
7.914
7.856
7.856
7.864
7.864

1.980
2.000
1.471
2.000
1.567
2.000
1.556
2.000
1.557
2.000

9.804
5.000
9.490
5.000
9.610
5.000
9.598
5.000
9.599
5.000

1.707

2
3
4
5

1.809
1.814
1.814
1.814

Novo
ponto de
Projeto
7.426
7.426
7.914
7.914
7.856
7.856
7.864
7.864
7.863
7.863

onde a probabilidade de falha pelo mtodo FORM dada por


pf FORM = ( ) = ( 1814
.
) = 0.035

O valor exato da probabilidade de falha, calculado pelas equaes (3.5) ou (3.6)

pf = 0.032

Exemplo 4.2
Seja a funo de performance
G(U ) = YW M

onde U T = ( Y, W,M) com as seguintes caractersticas estatsticas


Varivel
Y
W

Mdia
40.00
50.00

COV ()
0.125
0.050

Distribuio
Lognormal
Lognormal

64

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade
M

1000.00

0.2000

PEC/COPPE/UFRJ
Ext. Tipo I

Assumindo que Y e W so correlacionados com Y,W = 0.40 . Calcule a probabilidade de


G(U) assumir valores menores ou iguais a zero.
Soluo
Passos do algoritmo
1) Clculo das correlaes equivalentes

EY,W = F Y,W
F para duas distribuies lognormais (Liu and Kiureghian, 1986)

F=

ln(1 + Y,W Y W )
Y,W ln(1 + 2W )ln(1 + 2Y )

= 1003
.

EY,W = 1003
.
0.40 = 0.4013
Com isto a matriz de correlao entre as variveis dada por
0.4013 0
1

= 0.4013
1
0
0
1
0

Usando a expresso (4.6) tem-se


0
0
1

= 0.438 1092
.
0
0
0
1

2) Ponto de Partida U T = (40,50,1000)


3)usando as expresses as equaes para transformao de normais equivalentes
NY = 39.69 ;

NY = 4.98

NW = 49.94 ;

NW = 2.50

NM = 966.09 ;

NM = 19123
.

65

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

NY

= 0
0

PEC/COPPE/UFRJ

0 4.98
0
0

0 = 0
2.50
0 ;
NM 0
0
19123
.

0
NW
0

m T = NY , NW , NM = (39.69,49.94,966.09)
4)Avaliao da funo de falha e seus gradientes no espao original e reduzido
G(U ) = YW M = 40 50 1000 = 1000.00 ;

J = 1

G(V ) = G(U ) = 1000.00

0
0
0.20078

;
= 0.08797 0.4370
0

0
0
0.005229

0
.
4.9806 10026

= 0
2.2884
0
0

0
191229
.

(J )

1 T

G(U ) = ( W , Y,1) ;

g(V ) = (J 1 ) T

289.14

G(U ) = 9154
.

19123
.

5)Ponto de partida no espao reduzido


0.06226
V = J (U m ) = 5.33E 15
0.17732

6)Novo ponto de projeto


V

next

1
g(V )

2.285
g(V ) V g(V ) g(V ) = 0.723
1511

.
T

7)ndice de confiabilidade
= V next

= 2.8335

8)Ponto de projeto no espao original

66

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

next

( )

=U+ J

1 T

(V

next

PEC/COPPE/UFRJ

28.31
V ) = 45.99
1255.09

A partir de agora o processo se repete at a convergncia. O resumo da anlise


mostrado na tabela abaixo.
Iterao

Varivel

Y
W
Z
Y
W
Z
Y
W
Z
Y
W
Z
Y
W
Z
Y
W
Z

Ponto
de
Projeto
(U)
40.00
50.00
1000.00
28.31
45.99
1255.09
32.64
47.42
1541.45
33.69
47.72
1607.46
33.78
47.75
1612.99
33.78
47.75
1613.28

UNi

UNi

4.98
2.50
191.23
3.53
2.30
286.43
4.06
2.37
389.18
4.19
2.38
411.21
4.21
2.39
413.02
4.21
2.39
413.12

39.69
49.94
966.09
37.88
48.78
893.82
39.02
49.87
718.94
39.21
49.89
670.57
39.23
49.89
666.42
39.23
49.89
66.20

G(U)

2.8330

1000.00

2.7460

48.87

2.6660

6.174

2.6644

0.3216

2.6644

0.0025

2.6644

3.93E-5

Novo
Ponto
de
Projeto
28.31
45.99
1255.09
32.64
47.42
1541.45
33.69
47.72
1607.46
33.78
47.75
1612.99
33.78
47.75
1613.28
33.78
47.75
1613.30

A probabilidade de falha pelo mtodo FORM dada por


pf FORM = ( ) = ( 2.6644) = 0.003857

Exerccio 4.1
Dada a seguinte funo de performance

G(U ) = dmax AF BF 2

67

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

onde

U T = ( A,F,B, )
cujas variveis aleatrias so as seguintes

Varivel
F
A
B

Mdia
25.00
0.00113
0.0006
0.0

COV (ou )
0.23
0.30
0.30
=0.10

Distribuio
Lognormal
Tipo I (max.)
Lognormal
normal

Assumindo que A e B so correlacionados com A,B = 0.60 , calcule a probabilidade de


G(U) ser menor ou igual a zero para dmax=1.0.

4.4- Medidas de Sensibilidade


O mtodo analtico FORM fornece, alm da probabilidade de falha, outras
medidas de grande importncia para anlises prticas de confiabilidade. Estas
medidas so conhecidas como medidas de sensibilidade. Existem vrias
medidas de sensibilidade, como pode ser visto em [Madsen, et al., 1986]. Neste
curso somente sero comentadas algumas delas: fatores de importncia, fatores
de omisso e fatores de sensibilidade paramtricos.
O fator de importncia de cada varivel aleatria i envolvida na anlise de
confiabilidade e definido por

I i = i2

(4.15)

onde i o cosseno diretor com relao a varivel Ui do vetor normal a


superfcie de falha no ponto de projeto e no espao das variveis reduzidas. De
acordo com o que foi definido no item 4.1.1
i =

g(V * ) i
g(V * )

(4.16)

onde g(V * )i a componente do gradiente da funo de falha no espao das


variveis reduzidas avaliado no ponto de projeto V * . Os fatores de importncia

68

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

indicam, como o nome prprio nome diz, qual a importncia relativa de cada
varivel no valor final da probabilidade de falha. As variveis com fator de
importncia baixo podem ser consideradas como determinsticas na anlise.
Somente as variveis com fatores de importncia altos que efetivamente
contribuem para a probabilidade de falha. Assim, para melhorar um projeto por
exemplo, um investimento maior deveria ser feito sobre estas variveis.
O chamado fator de omisso est diretamente ligado ao fator de
importncia e definido como a relao inversa entre o ndice de confiabilidade
atual e o ndice de confiabilidade considerando que a varivel aleatria Ui
determinstica. Para variveis estatisticamente independentes e o valor
determinstico como sendo a mdia este fator definido por

Ui =

Ui = Ui

)=

1
1 i2

(4.17)

Para variveis dependentes e valores determinsticos diferentes da mdia a


expresso geral do fator de omisso pode ser vista em [Madsen, 1988; Sagrilo,
1994].
Os fatores de sensibilidade paramtricos so aqueles que fornecem a
variao do ndice de confiabilidade quando ocorrem mudanas nos parmetros
que definem a distribuio de probabilidade de uma varivel aleatria. Para uma
variao pj em um parmetro pj da distribuio de probabilidades da varivel i,
o novo ndice de confiabilidade dado por
novo = velho +

sendo

pij

pij

p j

(4.18)

obtido atravs de expresses que envolvem a transformao de

variveis, o ndice de confiabilidade (velho ou atual) e o ponto de projeto como


pode ser visto em [Madsen, et al. 1986; Sagrilo, 1994]. Atravs da expresso
(4.18) possvel fazer uma previso dos valores de um determinado parmetro
de uma determinada varivel de forma a atender um determinado ndice de
confiabilidade, sem repetir a anlise.
4.5 - Anlise de Confiabilidade de Sistemas pelo Mtodo FORM
Existem casos em que um mesmo problema pode envolver mais de uma
funo de performance. Como um simples exemplo, uma viga-coluna que pode
falhar por flexo ou por flambagem, i.e., mais de um modo de falha e cada um
deles representado por sua funo de performance (ou de falha) particular.
69

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

Neste caso, a probabilidade de falha pode ser calculada, usando o mtodo


FORM, para cada modo de falha, sendo depois avaliada a probabilidade do
sistema falhar como um todo, considerando a contribuio de todos os modos. A
representao grfica de alguns destes casos mostrada na Figura (4.4). Estes
problemas so tratados na anlise de confiabilidade estrutural dentro de uma
linha denominada confiabilidade de sistemas.
Um sistema chamado de sistema em srie quando a falha de um dos
seus modos (ou componentes) leva o mesmo a falhar tambm, por outro lado
um sistema chamado de sistema em paralelo quando a falha do mesmo ocorre
depois da falha de todos os seus modos (ou componentes).

Figura 4.4 - Definies de Sistemas na Anlise de Confiabilidade Estrutural


(a) sistemas em srie e (b) sistemas em paralelo
Outros problemas, como a existncia de mais de um ponto de mnimo no
espao reduzido para uma mesma funo de falha conforme ilustra a Figura
(4.5), tambm se enquadram na definio de sistemas.
A avaliao da probabilidade de falha para sistemas, usando o mtodo
FORM, uma extenso do que foi apresentado anteriormente como ser visto a
seguir.
Deve-se enfatizar que componentes e sistemas na anlise de
confiabilidade estrutural tem uma conotao diferente da anlise estrutural
propriamente dita. Por exemplo, uma simples viga pertencente a uma
70

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

determinada estrutura pode ser vista como um sistema na anlise de


confiabilidade estrutural, pois a mesma pode falhar por flambagem lateral,
flexo, etc. Entretanto, na anlise estrutural ela simplesmente um componente
integrante da estrutura, que neste caso o sistema.

Figura 4.5 - Uma funo de falha com mais de um ponto de mnimo


No que segue, a denominao componente ser empregado para
identificar cada hiperplano tangente aos pontos de mnimo sobre a superfcie de
falha do problema em questo.
Um sistema dito em srie quando a falha de um dos seus componentes
significa a falha completa do mesmo e neste caso a probabilidade de falha do
sistema dada pela probabilidade de qualquer um dos componentes falhar.
Matematicamente esta probabilidade expressa pela unio dos eventos que
representam a falha dos componentes individuais, ou seja,
j

pf = P (gi (V ) 0.0)
i=1

(4.19)

onde j o nmero de componentes individuais identificados na anlise.


Um sistema dito em paralelo quando a falha do mesmo somente ocorre
aps a falha de todos os seus componentes. A probabilidade de falha deste
sistema expressa pela interseco dos eventos que representam a falha dos
componentes individuais, ou seja,
71

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

j
pf = P (gi (V ) 0.0)
i=1

(4.20)

Utilizando os conceitos bsicos da teoria das probabilidades para a unio


de eventos, a probabilidade de falha de um sistema em srie pode ser escrita
como
j

pf s = P (gi (V ) 0.0)

i=1

(4.21)

P P + P
i

ikl

ik

i=1

i=1 k >i

i=1 k >i l>k

onde

Pi = P(gi (V ) 0.0)

[
]
= P[P(g (V ) 0.0) P(g (V ) 0.0) P(g (V ) 0.0)]

Pik = P P(gi (V ) 0.0) P(gk (V ) 0.0)


Pikl

e gi identifica o i-simo componente do sistema.


Como as probabilidades de falha dos componentes individuais
geralmente so baixas na anlise de problemas estruturais, os termos Pikl
j

podem ser desprezados. Pelo FORM o domnio de falha

(g (V ) 0.0)

i=1

delimitado pela superfcie de polidrica formada pelos hiperplanos tangentes em


cada ponto de mnimo (ver Figuras 4.4 e 4.5 ) e assim a probabilidade de falha
de um sistema em srie (equao 4.21) pode ser calculada utilizando as
seguintes expresses
Pi = ( i )

Pik = i , j , ik

(4.22)

sendo
i , j os ndices de confiabilidade de cada um dos componentes;

ik a correlao entre dois componentes, i.e., ik = i k , onde i e j


so
72

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

os vetores normais nos pontos de mnimo de cada um dos


componentes;
( ) a funo cumulativa de probabilidades normal padro;
(, ,) a funo cumulativa bidimensional normal padro.

A funo cumulativa bidimensional normal padro, utilizando algumas


propriedades da distribuio normal [ Madsen et al., 1986], pode ser calculada
como:
i, j

( ) 0 (i , j , z)dz

( i , j , i,j ) = ( i ) j +

(4.23)

onde ( , , ) a funo densidade de probabilidades bidimensional padro

( x, y , ) =

1 x 2 + y 2 2 xy

exp
1 2
2 1 2

2
1

(4.24)
A integral da expresso (4.23) deve ser avaliada numericamente.
Alternativamente, os chamados limites de Ditlevsen [Ditlevsen, 1979] podem ser
usados evitar a avaliao numrica desta integral. Neste caso so obtidos os
limites superior e inferior da probabilidade de falha de um sistema em srie,
expressa pela equao (4.21).

Exerccio 4.2
Provar que a correlao entre dois hiperplanos gi(V)=0 e g2(V)=0 no espao das variveis
reduzidas dada por ik = i k , onde i e j so os vetores normais nos pontos de
mnimo de cada um dos componentes.
Sugesto: usar as expresses (2.85) e (4.3).

O clculo da probabilidade de falha de um sistema em paralelo, utilizando


o mtodo FORM, um pouco mais complicado e menos preciso do que um
sistema em srie, porm, para o caso de dois componentes a probabilidade de
falha pode ser calculada por

Pik = i , j , ik

(4.25)

onde (, ,) a funo cumulativa bidimensional normal padro dada pela


expresso (4.23).

73

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

Existem tambm os chamados sistemas mistos que envolvem


combinaes de sistema em srie e sistemas em paralelo num mesmo sistema.
A aplicao de sistemas mistos na anlise de confiabilidade estrutural muito
pequena e por isto este tpico no ser abordado neste curso.

Exemplo 4.3
Uma viga bi-apoiada est sujeita a uma carga uniformemente distribuda como mostra a
figura abaixo.

Exemplo 4.3 - Viga bi-apoiada


Assumindo que a viga pode falhar por flexo, i.e.,

G1(U ) = Mo

1
w L2
8

ou por cisalhamento, i.e.,


G 2 (U ) = Vo

1
wL
2

ou por um modo combinado de cisalhamento e flexo; i.e.,


M
V
+
G 3 (U ) = 1

Mo V0

Nas equaes acima L o comprimento da viga e U = ( w, Mo, Vo), sendo w a


intensidade da carga distribuda, Mo a capacidade resistente flexo e V0 a capacidade
resistente ao cisalhamento da viga, respectivamente. As grandezas U so aleatrias com as
caractersticas definidas na tabela abaixo.
Varivel
w

Mdia
6.00

Desvio Padro
1.50

Distribuio
Normal
74

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade
Mo
Vo

470.00
159.00

PEC/COPPE/UFRJ

47.00
23.85

Normal
Normal

De acordo com os dados acima calcular a probabilidade de falha da viga assumindo que as
propriedades mecnicas do material da viga so idnticas ao longo da viga.

Soluo:
Deve-se notar que a falha por flexo pode ocorrer no centro do vo, a falha por
cisalhamento nas extremidades da viga e o modo combinado de flexo na seo em que
M
V
+

mximo. Pode ser demonstrado para a viga em anlise que, aps encontrar
Mo V0
esta seo, a funo de falha G3(U) pode ser reescrita como:
w L2 w Mo

+
G 3 (U ) = 1
2
M
8
2
V

o
0
Assim, o mtodo FORM utilizado para as trs funes de falha correspondentes aos trs
modos de falha da viga chegando-se aos seguintes valores,
.
1 = 19207

1 = (0.8474, .5310, 0.0)

P1 = ( 1 ) = 0.27385E 01

3 = (0.8911, 0.4403, 0.1094)

P3 = ( 3 ) = 0.57860E 01

2 = 3.514
.
3 = 15730

2 = (0.5324, 0.0, 0.8465)

P2 = ( 2 ) = 0.22090E 03

sendo a correlao entre os modos


12 = 1 2 = 0.4511
13 = 1 3 = 0.9889
23 = 2 3 = 0.5670
Usando os resultados acima e intengrando numericamente a expresso (4.23) tem-se as
seguintes probabilidades cruzadas
P12 = 0.88817E 04
P13 = 0.27341E 01
P23 = 0.16550E 03
E finalmente, ento, a probabilidade de falha do sistema dada por
75

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

Pfs = P1 + P2 + P3 P12 P13 P23


Pfs = 0.57869E 01

.
eq = 15729

Como pode se observar, a probabilidade de falha do sistema e basicamente igual aa


probabilidade de falha do modo combinado. Isto ocorre devido a alta correlao que
existe entre o modo 1 e o modo 3 e tambm porque a contribuio do modo 2 muito
baixa comparada aos outros dois.
Exerccio 4.3
Suponha que um determinado sistema estrutural possa falhar em qualquer uma de trs
formas distintas cujas funes de performance das mesmas so definidas respectivamente
por
G1 (U ) = Z 1 + Z 2 + Z 4 + Z 5 FH h

G 2 (U ) = Z 1 + 2 Z 2 + 2 Z 4 + Z 5 FH h FV h

G1 (U ) = Z 2 + 2 Z 3 + Z 4 Fv h

Assumindo-se que h = 5.0 e U = ( Z 1, Z 2 , Z 3 , Z 4 , Z 5 ,FH ,Fv ) , calcule a probabilidade da


estrutura falhar considerando as caractersticas estatsticas das variveis definidas na tabela
abaixo.
Varivel
Z1,.....Z5
FH
FV

Distribuio
Lognormal
Lognormal
Lognormal

Mdia
134.90
50.00
50.00

Desvio Padro
13.49
15.00
12.00

Exerccio 4.4
A placa mostrada na figura abaixo est submetida a uma tenso cclica com amplitude
constante S e apresenta uma trinca inicial com uma profundidade ao. A espessura da placa
t de 50mm. Pela mecnica da fratura o crescimento da profundidade da trinca em funo
do nmero de ciclos de tenses dado pela seguinte expresso
1

1 0.15m
1 0.15m )
(
m
0.35m
2
a(N) = (1 0.15m) t
C S N + ao

onde C e m so constantes do material da placa.


76

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

Exerccio 4.4 - Placa com uma trinca


Assumindo que as variveis aleatrias de maior importncia neste problema so aquelas
definidas na tabela abaixo, pede-se
a) calcular probabilidade de ocorrer uma trinca passante para N=2.0E+05, N=4.0E+05,
N=6.0E+05 e N=8.0E+05.
b) calcular a probabilidade de falha para N=6.0E+05 e N=8.0E+05 sabendo-se que em
N=4.0E+05 foi feita uma inspeo na chapa e verificou-se que a profundidade da trinca
menor que ai. ai uma varivel aleatria normal com mdia 3.0 mm e desvio padro
0.40mm.
Sugestes:
1) use o PACONF (ver item 4.1.7) para os clculos;
2) para o item b usar a expresso de probabilidade de eventos condicionados, i.e.,
P( A / B) = P( A B) / P(B)

Varivel
S
C
m
ao

Distribuio
Normal
Lognormal
Normal
Exponencial

Mdia
60.00
5.203E-15
3.50
1.00

Desvio Padro
10.00
2.00E-15
0.25
1.00

Notas:
1)todas as unidades so coerentes
2) C e m so correlacionados com = -0.89

77

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

4.7 - Programas Para Anlise de Confiabilidade


Atualmente existem vrios programas comerciais para anlilse de
confiabilidade estrutural. Entre outros podemos citar o PROBAN, o CALREL e o
SYSREL. O PROBAN (Probabilistic Analysis Program) foi desenvolvido pela
DnV Research, Inc. na Noruega e inclui modelagem das variveis aleatrias
(tratamento estatstico), mtodos analitcos FORM e SORM e o mtodo de
Monte Carlo com vrios outros esquemas derivados do mesmo. O CALREL foi
desenvolvido por pesquisadores do Departamento de Engenharia Civil da
Universidade de Berkeley nos Estados Unidos e inclui a avaliao da
probabilidade de falha pelos mtodos analticos FORM e SORM e por tcnicas
de simulao de Monte Carlo. O SYSREL (SYStem RELiability) foi desenvolvido
por pesquisadores da Universidade de Munique na Alemanha e atualmente
comercializado em verso para Windows pela empresa GmB, Inc. da mesma
localidade. O SYSREL possui inmeras facilidades e o seu forte a avaliao
da confiabilidade pelos mtodos analticos. Todos os programas citados acima
incluem o clculo das medidas de sensibilidade da probabilidade de falha.
Por ser um programa com uma apresentao bem mais simples e com um
objetivo educacional, o CALREL o mais barato entre eles.
Neste curso ser usado o programa PACONF desenvolvido por
pesquisadores do Programa de Engenharia Civil da COPPE/UFRJ. Atualmente,
este programa inclui o clculo da probabilidade de falha e das medidas de
sensibilidade pelos mtodos analticos FORM e SORM e pelo mtodo (crude)
de Monte Carlo. Este programa tambm dispe de recursos para a anlise de
sistemas em srie.
Exerccio 4.5
Dada a seguinte funo de performance
G(U ) = YA F

cujas caractersticas estatsticas das variveis so indicadas abaixo.


Varivel
Y
A
F

mdia
10.00
1.000
4.000

COV
0.15
0.05
0.30

Distribuio
Lognormal
Normal
Weibull

Usando o PACONF, avalie a probabilidade do evento G(U ) 0.0 para os seguintes


casos: a) Y,A = 0.0 e b) Y,A = 0.60

78

COC796-Confiabilidade Estrutural
Mtodos Analticos para Anlise de Confiabilidade

PEC/COPPE/UFRJ

4.8 - Bibliografia
1. Ang, A.H-S. and Tang, W.H. - Probability Concepts in Engineering
Planning and Design, Vol. II, John Willey and Sons, New York, 1984.
2. Breitung, K. - Asymptotic Approximations for Multinormal Integrals, Journal
of Engineering Mechanics (ASCE), Vol. 110, No.3, 1984.
3. Kiureghian, A.D. and Liu, P.L. - Structural Reliability Under Incomplete
Incomplete Probability Information, Journal of Engineering Mechanics
(ASCE), Vol. 112, No.1, 1986.
4. Hasofer, A.M. and Lind, N.C. - Exact and Invariant Second-Moment Code
Format, Journal of Engineering Mechanics (ASCE), Vol. 100, No. EM1,
1974.
5. Liu, P.L. and Kiureghian, A.D. - Finite-Element Reliability Methods for
Geometrically Nonlinear Sthocastic Structures, Report No UCB/SEMM89/05, Department of Civil Engineering, University of California at Berkeley,
1989.
6. Madsen, H.O., Krenk, S., Lind, N.C. - Methods of Structural Safety,
Prentice-Hall Inc., New Jersey, 1986.
7. Madsen, H.O. - Omission Sensitivity Factors, Structural Safety, Vol. 5,
1988.
8. Racwitz, R. and Fiessler, B. - Structural Reliability Under Combined Random
Load Sequences, Computer and Structures, Vol. 9, 1978.
9. Sagrilo, L.V. S. - Anlise de Confiabilidade Estrutural Utilizando os
Mtodos Analticos FORM e SORM, Tese de Doutorado, Programa de
Engenharia Civil, COPPE/UFRJ, 1994.
10. Tvedt, L. - Distribution of Quadratic Forms in Normal Space - Application to
Structural Reliability, Journal of Engineering Mechanics (ASCE), Vol. 116,
No.6, 1990.

79

COC796-Confiabilidade Estrutural
PEC/COPPE/UFRJ
Superfcies de Resposta na Anlise de Confiabilidade Estrutural

5. SUPERFCIES DE RESPOSTA NA ANLISE DE


CONFIABILIDADE ESTRUTURAL
Como visto no captulo anterior, a anlise de confiabilidade estrutural
baseada na existncia de uma funo de falha G(U). Para muitos problemas
reais, esta funo pode ser computacionalmente muito cara de ser avaliada, i.e.,
cada avaliao de G(U) demanda um elevado de tempo de CPU. Isto um
problema srio para praticamente todos os mtodos de anlise de
confiabilidade. Mesmo o mtodo analtico FORM, que supostamente o mtodo
que requer menos avaliaes de G(U), pode ficar inviabilizado devido a
necessidade da avaliao numrica do gradiente G(U). Devido a isto surge a
idia de se obter uma funo de falha G(U ) mais simples de ser avaliada e que
aproxime de maneira adequada a funo de falha original G(U). Para esta
finalidade utilizada a chamada tcnica de superfcie de resposta.
Superfcie de resposta uma tcnica clssica usada em estatstica onde
um modelo complexo aproximado por uma relao funcional mais simples que
relaciona os resultados de um experimento s variveis de entrada.
Freqentemente, estas relaes so representadas por superfcies lineares,
quadrticas ou cbicas e para obteno das mesmas so empregados o mtodo
dos mnimos quadrados ou a expanso em srie de Taylor. Mais recentemente,
procedimentos interpolao que empregam funes do tipo spline, como ser
visto em algumas aplicaes apresentadas neste curso, tm se mostrado
bastante atrativos.
Com uma funo de falha aproximada G(U ) qualquer um dos mtodos
de confiabilidade pode ser utilizado. No caso dos mtodos analticos uma das
principais vantagens que o gradiente G(U ) facilmente obtido. Entretanto, o

sucesso desta tcnica depende do grau de aproximao da funo G(U ) na


regio de interesse, i.e., prximo aos pontos de projeto.
Deve-se enfatizar que no necessariamente toda G(U) precisa ser
substituda por uma funo aproximada. Por exemplo, se G(U) pode ser

80

COC796-Confiabilidade Estrutural
PEC/COPPE/UFRJ
Superfcies de Resposta na Anlise de Confiabilidade Estrutural
desmembrada em G(U ) = R(U ) S(U ) , R(U) pode ser representada por funo
aproximada R (U ) enquanto S(U) calculada sem nenhuma aproximao, ou
vice-versa. Aplicaes desta natureza podem ser vistas em Holm (1990); Sagrilo
et al. (1996).
5.1 - Aproximao por Superfcies Lineares e Quadrticas
A maneira mais simples de se obter uma superfcie aproximada para uma
funo f ( x ) qualquer, onde x = ( x1, x 2 , xn ) , a aproximao feita por uma
superfcie linear (ou hiperplano) da forma:

f( x ) = ao +

a x

(5.1)

i i

i=1

onde a o , a1, an so os coeficientes do hiperplano e n o nmero de variveis


envolvidas. Os coeficientes ai so obtidos a partir de n+1 pontos iniciais (ponto
onde a verdadeira f ( x ) deve ser avaliada) x i = x1i , xi2 , xin , i = 0, 1,, n e da

soluo do seguinte sistema de equaes lineares:

1 x10 xn0 a 0 f ( x 0 )


1
1
1 x1 xn a1 = f ( x 1 )


n
n
1 x1 xn an f ( x n )

(5.2)

Para os casos em que f ( x ) no linear a aproximao dada pela


equao (5.1) pode ser pode ser bastante pobre dando bons resultados
somente onde os pontos iniciais x i foram tomados. Notar que neste caso n+1
avaliaes de f ( x ) se fazem necessrios.
Uma melhor aproximao de f ( x ) pode ser obtida atravs do uso de uma
superfcie quadrtica completa ou incompleta. Uma superfcie quadrtica
incompleta corresponde ao hiperplano linear acrescido dos termos quadrticos
diagonais, i.e.,

f( x ) = ao +

a x + b x

2
i i

i i

i=1

(5.3)

i=1

onde a o , a1, an so os coeficientes dos termos lineares e b o , b1,bn so os


coeficientes correspondentes aos termos quadrticos. Os coeficientes ai e bi so
81

COC796-Confiabilidade Estrutural
PEC/COPPE/UFRJ
Superfcies de Resposta na Anlise de Confiabilidade Estrutural

obtidos a partir de 2n+1 pontos iniciais x i = x1i , xi2 , xin ,

i = 0, 1,, 2n e da

soluo do seguinte sistema de equaes lineares:

1 x 0
1

1
1 x1

n +1
1 x1

2n
1 x1

xn0

x1n

n +1
xn

xn2n

(x )
(x )

0 2
1
1 2
1

( )

2
x1n+1

( )

2
x12n

(x )
(x )

a 0
a1
n

=

2
xnn+1 b1


2
xn2n bn

0 2
n
1 2

( )
( )

f( x 0 )

f ( x1)

f ( x n+1 )

f ( x 2n )

(5.4)

Uma superfcie quadrtica completa corresponde superfcie quadrtica


incompleta acrescentada dos termos quadrticos cruzados, i.e.,

f( x ) = ao +

a x +
i i

i=1

n1

i=1

bi xi2

(5.5)

jk x j x k

j=1 k = j+1

onde cjk so os coeficientes dos termos cruzados. Os coeficientes da expresso


(5.5) so obtidos de forma semelhante aos das superfcies anteriores, porm
neste caso o nmero de pontos iniciais para obter a superfcie completa
(n + 1)(n + 2) / 2 , o que limita a sua aplicao.
Para que a matriz do sistema de equaes apresentado anteriormente
no se torne singular, necessrio tomar alguns cuidados na gerao dos
ponto iniciais. Uma maneira de se proceder, no caso se uma aproximao
linear, a partir de um ponto inicial x 0 = x10 , x 02 , xn0 arbitrrio, determinar os

demais pontos a partir da expresso

x i = x 0 + x i

(5.6)

onde x i um vetor que contm um determinado incremento arbitrrio xi


somente para a varivel xi, i.e.,
x i = (0, 0,, xi ,,0)

(5.7)

Para outros tipos de superfcies a idia semelhante, i.e., para completar o


nmero de pontos emprega-se mais um xi diferente do primeiro. A experincia
acumulada no uso de tcnicas de superfcies de resposta permite melhores
escolhas dos pontos iniciais.

82

COC796-Confiabilidade Estrutural
PEC/COPPE/UFRJ
Superfcies de Resposta na Anlise de Confiabilidade Estrutural
5.2 - Aplicao de Tcnicas de Superfcie de Resposta na Anlise de
Confiabilidade pelos Mtodos Analticos FORM e SORM
Embora a aplicao de tcnicas se superfcie de resposta no se restrinja
aos mtodos analticos, no que segue somente este tipo de aplicao ser
abordado.
A aplicabilidade das tcnicas de superfcie de resposta na anlise de
confiabilidade pelos mtodos FORM e SORM uma aplicao direta do que foi
aplicado na seo anterior. A funo de falha G(U ) representada por uma
superfcie linear ou quadrtica G(U ) e esta ento usada na anlise. Deve-se

notar que esta aproximao pode ser feita tanto no espao original como no
espao das variveis reduzidas. Porm, neste curso nos limitaremos a comentar
somente o caso do espao original por ser uma aplicao simples e direta.
Maiores detalhes sobre aproximaes feitas no espao das variveis reduzidas
podem ser encontrados em Holm (1990) e Sagrilo (1994).

Figura 5.1 - Aproximaes por superfcies de falha


Deve-se salientar que a base dos mtodos analticos o ponto de
projeto, ou seja, o ponto sobre a superfcie de falha cuja distncia at a origem,
no espao das variveis reduzidas, menor. Como inicialmente este ponto de
projeto no conhecido, a superfcie aproximada pode ser bastante imprecisa
na regio do mesmo, ou em outras palavras, o ponto de projeto calculado a
partir da funo aproximada G(U ) pode ser diferente do verdadeiro. Para
melhorar a preciso nestes casos, sugere-se que uma nova funo de falha seja
definida tomando-se como ponto de partida para definio dos coeficientes
83

COC796-Confiabilidade Estrutural
PEC/COPPE/UFRJ
Superfcies de Resposta na Anlise de Confiabilidade Estrutural
desta funo o ponto de projeto obtido com a primeira funo aproximada. Este
procedimento ilustrado na Figura (5.1).
Exerccio 5.1
Dada a seguinte funo de falha
G(U ) = dmax d(E, A , P)

onde as variveis aleatrias U = (E, A,P) so definidas na tabela abaixo.


Varivel
E
A
P

Distribuio
Lognormal
Normal
Gumbel

Mdia
5.00
3.00
10.0

Desvio Padro
0.40
0.30
2.00

A funo d(E, A , P) definida como o primeiro componente do vetor d ,i.e. d1,


conforme definido pelo sistema Kd = F onde

(EA ) 3 / 2

K=

Sim.

Sabendo-se que

EA
L2
2
EA

2L

EA

L2
9
P
3
(
)

EA
2 , e F = 2P .
1
L
P2
2
EA

L = 2.0 e dmax = 1.0, calcule a probabilidade de G(U ) 0.0 usando o

mtodo FORM clssico


5.3 - Bibliografia
1. Holm, C.A. - Reliability Analysis of Structural Systems Using Nonlinear
Finite Element Methods, D. Sc. Thesis, Division of Structural Engineering,
The Norwegian Institute of Technology, The University of Trondheim, 1990.
2. Sagrilo, L.V. S. - Anlise de Confiabilidade Estrutural Utilizando os
Mtodos Analticos FORM e SORM, Tese de Doutorado, Programa de
Engenharia Civil, COPPE/UFRJ, 1994.
3. Sagrilo, L.V.S., Lima, E.C.P. and Rodriguez, S.G.H. - Reassessment of
Fixed Offshore Structures Using Reliability and Nonlinear Analyses,
Proceedings of the ISOPE96 Conference, Los Angeles, USA, 1996.

84

COC796-Confiabilidade Estrutural
Calibrao de Normas de Projeto

6.

PEC/COPPE/UFRJ

CALIBRAO DE NORMAS DE PROJETO

Num projeto estrutural, alguns estados limites so verificados com a


relao a certos valores estabelecidos para as variveis (geralmente aleatrias)
que governam tais estados. Cada valor estabelecido, ou valor de projeto, de
cada varivel aleatria resulta do produto de um valor caracterstico da varivel
por um coeficiente parcial de segurana. O valor caracterstico de projeto de
uma determinada varivel especificado arbitrariamente como um valor que, de
acordo com a distribuio de probabilidades da varivel, representa um
determinado nvel percentual de excedncia.
Os valores caractersticos dependem do tipo de material (ao, concreto,
etc...) e da classe da estrutura (residencial, offshore, etc...). Como um exemplo,
geralmente em estruturas metlicas o valor caracterstico de projeto da tenso
de escoamento do ao ( Fyk ) tomado como o valor da tenso de escoamento
cuja probabilidade de excedncia de 95%, ou seja, existe somente 5% de
chance (ver Figura 6.1) da tenso real do material ser menor que o valor
caracterstico.

Figura 6.1 - Valor caracterstico da tenso de escoamento do ao


O projeto estrutural, ento, consiste em determinar parmetros
(dimenses) de modo a atender os estados limites levando em considerao os

85

COC796-Confiabilidade Estrutural
Calibrao de Normas de Projeto

PEC/COPPE/UFRJ

valores de projeto (valores caractersticos multiplicados pelos coeficientes de


segurana).
Em muitos casos a definio dos coeficientes de segurana, para uma
determinada classe de estruturas, foi feita com base na experincia dos
profissionais ligados a projetos estruturais desta classe. Atualmente a
determinao destes coeficientes, definida como calibrao de normas de
projeto, vem sendo feita numa base cientfica, onde a anlise de confiabilidade
uma das principais ferramentas utilizadas.
Na prtica no muito simples obter coeficientes parciais de segurana
para toda uma classe de estruturas, porque todas as estruturas so nicas e
muito difcil alcanar o mesmo nvel de confiabilidade para todas elas com um
mesmo cdigo. Neste caso, os coeficientes parciais de segurana podem ser
calibrados usando tcnicas de otimizao que procurem minimizar a diferena
de confiabilidade entre as estruturas.
Dentro do limite deste curso, somente ser abordada a calibrao de
fatores de segurana para um projeto especfico. Maiores detalhes sobre
calibrao podem ser encontrados nas referncias [1-4]
6.1 Calibrao de Coeficientes Parciais de Segurana Para um Projeto
Especfico.
Na calibrao dos coeficientes parciais de segurana para um estado
limite de uma estrutura especfica, o objetivo determinar os valores destes
coeficientes de modo que um valor prescrito (valor "alvo") para a probabilidade
de falha seja alcanado.
A determinao dos coeficientes parciais de segurana pode ser feita
utilizando o mtodo analtico FORM. Nesta metodologia, um dos resultados o
ponto de projeto. Este ponto a combinao dos valores das variveis
aleatrias, que em caso de falha, tem a maior probabilidade de ocorrncia.
Assim se os valores de projeto fossem iguais ao ponto de projeto, a estrutura
teria a probabilidade de falha resultante da anlise.
Deste modo, a calibrao comea com a caracterizao estatstica
(mdias, desvios padres, distribuies, etc...) das variveis aleatrias que
governam o problema e o valor aceitvel para a probabilidade de falha. Depois
disto, define-se um projeto inicial (uma tentativa de dimenses iniciais) e avaliase a probabilidade de falha do estado limite considerado pelo mtodo FORM. O
projeto modificado (dimenses alteradas) e a confiabilidade novamente
avaliada at o valor "alvo" da probabilidade de falha ser alcanado. Depois
disto, define-se os valores caractersticos de cada uma das variveis a serem

86

COC796-Confiabilidade Estrutural
Calibrao de Normas de Projeto

PEC/COPPE/UFRJ

usados no projeto e obtem-se os fatores parciais de segurana relacionadas a


cada uma delas como
i =

Ui*

(6.1)

Uki

onde Ui* o valor correspondente varivel i no ponto de projeto quando a


probabilidade de falha "alvo" foi alcanada e Uki o valor caracterstico desta
varivel a ser usado no projeto.
O procedimento acima assume que existe um coeficiente parcial para
cada varivel aleatria envolvida no projeto. Quando os coeficientes parciais
correspondem a um nmero menor do que o nmero de variveis aleatrias,
alguma arbitrariedade deve ser usada.

Exemplo 6.1 [2]


Calcule os coeficientes parciais de segurana, com objetivo de obter uma probabilidade de
falha de 10 4 , para uma barra de trelia cuja estado limite de projeto verificado por
FyFy k A LL k

onde Y e L so os coeficientes parciais de segurana, Fy k o valor caracterstico da


tenso de escoamento do material (valor com 5% de chance da tenso real ser menor que
ele), A a rea da seo transversal da barra e L k o valor caracterstico do carregamento
(definido como o valor mdio). As distribuies das variveis so apresentadas na tabela
abaixo.

Varivel
Fy
L

Mdia
400.00
80.00

Desvio Padro
24.00
2.00

Distribuio
Lognormal
Tipo I (max.)

Soluo:

G(U ) = A Fy L
Na tabela abaixo so resumidas as vrias tentativas para o valor da rea at encontrar o
valor alvo para a probailidade de falha. usando o programa PACONF.
87

COC796-Confiabilidade Estrutural
Calibrao de Normas de Projeto

Tentativa
1
2
3
4
5
6
7
8
9
10

rea
0.2400
0.2800
0.2600
0.2500
0.2550
0.2575
0.2563
0.2568
0.2572
0.2570

PEC/COPPE/UFRJ

pf
0.002696
0.000001
0.000056
0.000407
0.000152
0.000093
0.000119
0.000107
0.000098
0.000102

pf (alvo)
0.0001

Na ltima tentativa obteve-se o seguinte ponto de projeto:


Fy * = 335.77
L* = 86.292

Os valores caractersticos para as variveis so:

L k = 80.00
Fy k = 36179
. (5% da lognormal FY ( y) )
Finalmente os coefiecientes parciais so dados por
335.77
= 0.928
36179
.
86.292
.
L =
= 1079
80.00

Fy =

Exerccio 6.1
Determinar os coeficientes parciais
de segurana, para os valores alvos de
3
4
5
10 ,10 e 10 para a probabilidade de falha, do seguinte estado limite
DD k + LL k + EEk
A
onde as variveis aleatrias so as seguintes
FyFy k

Varivel
Fy
D

Mdia
355.00
30.00

COV
0.06
0.05

Distribuio
Lognormal
Normal
88

COC796-Confiabilidade Estrutural
Calibrao de Normas de Projeto
L
E

10.00
70.00

PEC/COPPE/UFRJ
0.10
0.30

Normal
Weibull

Considere como valores caractersticos de projeto as mdias para D, L, E e o valor com


10% de chance da varivel Fy ser menor que ele como valor caracterstico para a mesma.

6.2. Bibliografia
1. Ang, A.H-S. and Tang, W.H. - Probability Concepts in Engineering
Planning and Design, Vol. II, John Willey and Sons, New York, 1984.
2. DnV (Det Norske Veritas) - Structural Reliability Methods, Classification
Notes 30.6, 1991.
3. Madsen, H.O., Krenk, S., Lind, N.C. - Methods of Structural Safety,
Prentice-Hall Inc., New Jersey, 1986.
4. Melchers, R.E. - Structural Reliability: Analysis and Prediction, Ellis
Horwood, Chichester, 1987.

89